文献

J-GLOBAL ID：202202266381616955   整理番号：22A0455267

実世界画像雑音除去のためのマルチスケール生成敵対ネットワーク【JST・京大機械翻訳】

A multi-scale generative adversarial network for real-world image denoising

著者 (3件)： Yu Xiaojun (School of Automation, Northwestern Polytechnical University, Xi’an, Shaanxi, People’s Republic of China) ,  Fu Zixuan (School of Automation, Northwestern Polytechnical University, Xi’an, Shaanxi, People’s Republic of China) ,  Ge Chenkun (School of Automation, Northwestern Polytechnical University, Xi’an, Shaanxi, People’s Republic of China)
資料名： Signal, Image and Video Processing  (Signal, Image and Video Processing)
巻： 16  号： 1  ページ： 257-264  発行年： 2022年 
JST資料番号： W4946A  ISSN： 1863-1711  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年の画像処理技術の人気と広い応用の上昇に伴い,様々な深層学習法が画像雑音除去のために提案されている。しかし,そのような方法の大部分は合成ノイズに焦点を合わせているので,空間バリアント実世界ノイズに対する雑音除去効果は,より洗練されたネットワークと訓練方式によってさらに改良することができた。本論文では,新しいネットワークアーキテクチャと良く設計された訓練方式を採用したマルチスケール生成敵対ネットワーク(MSGAN)を提案した。特に,カスケードマルチスケールモジュールをMSGANの基本構成ブロックとして提案し,マルチスケールコンテキストを利用し,ネットワーク学習能力を最初に増加させ,次に,空間注意機構をMSGANに適用して雑音除去結果を精密化した。最後に,画素レベル損失と敵対損失を組み合わせた洗練された訓練方式を設計して,高周波と低周波画像の詳細を同時に復元しながら,実世界雑音を抑制した。MSGANの有効性を検証するために,いくつかの典型的なデータセットを用いて広範な実験を行った。結果は,MSGANが,定量的メトリックス(PSNR,SSIM)と視覚品質の両方の観点から,実世界画像雑音除去に有望であることを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *雑音 ,  *ネットワーク ,  HF【周波数】 ,  画像処理 ,  画素 ,  LF【周波数】 ,  ネットワークアーキテクチャ ,  *雑音除去
準シソーラス用語： ピーク信号対雑音比 ,  *マルチスケール ,  メトリックス ,  視覚品質 ,  *画像雑音除去 ,  構造的類似性 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 画像雑音除去 ,  空間注意 ,  生成敵対ネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 世界 ,  画像雑音除去 ,  マルチ ,  敵対