文献

J-GLOBAL ID：202202273819126683   整理番号：22A0654981

深い条件付き正規化フローによるマルチスケール超解像遠隔イメージング【JST・京大機械翻訳】

Multi-Scale, Super-Resolution Remote Imaging via Deep Conditional Normalizing Flows

著者 (3件)： Heintz Aneesh (Cornell University) ,  Peck Mason A. (Cornell University) ,  Mackey Ian (Cornell University)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 2499  発行年： 2022年 
JST資料番号： H0236B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 宇宙船ナビゲーションのための多くのオンボードビジョンタスクは,明らかに解読可能な特徴を有する高品質リモートセンシング画像を必要とする。しかし,設計制約と運転および環境条件は,それらの品質を制限する。後処理による強化画像は,コスト効率の良い解決策である。超解像度による低解像度画像を強化する現在の深層学習法は,予測のネットワーク不確実性を定量化しず,単一スケールで訓練され,画像取得パイプラインにおける実用的統合を妨げる。本研究では,宇宙船ビジョンタスクに対する画像強調がよりロバストで予測可能であるように,不確実性量子化およびモンテカルロベース推定のための深い正規化フローネットワークを用いたマルチスケール超解像度を提案した。提案したネットワークアーキテクチャは,軌道上の月の画像データに関する最先端の超解像度モデルより優れている。シミュレーションは,ランドマーク同定のためのタスクベース評価に関するその実現可能性を示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  品質 ,  不確実性 ,  宇宙飛行体 ,  *画像処理 ,  画像 ,  *超解像 ,  軌道 ,  画像強調 ,  *正規化 ,  ロバスト性 ,  機械学習 ,  ネットワークアーキテクチャ
準シソーラス用語： *マルチスケール ,  リモートセンシング画像 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 正規化 ,  フロー ,  マルチスケール ,  超解像 ,  イメージング