文献

J-GLOBAL ID：202202299063181438   整理番号：22A0446418

画像連続性と自己モザイクに基づくゼロショットリモートセンシング画像超解像【JST・京大機械翻訳】

Zero-Shot Remote Sensing Image Super-Resolution Based on Image Continuity and Self Tessellations

著者 (4件)： Bose Rupak (Indian Institute of Technology, Bombay, Mumbai, India) ,  Rangnekar Vikrant (Indian Institute of Technology, Bombay, Mumbai, India) ,  Banerjee Biplab (Indian Institute of Technology, Bombay, Mumbai, India) ,  Chaudhuri Subhasis (Indian Institute of Technology, Bombay, Mumbai, India)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13024  ページ： 649-662  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： ゼロショット画像超解像(SR)の目標は,非事前画像分布から高分解能(HR)画像を生成することである。これは,ネットワークが以前には見られない画像の統計をモデル化するのが難しいので,特に困難である。従来の超解像(SR)法より優れている深い畳み込みニューラルネットワーク(CNN)にもかかわらず,訓練のために利用可能な事前のグランドトルースを持たないリモートセンシングシーンベースのHR画像を生成するのに,ほとんど注意が払われていない。本論文では,大気および放射条件変動に取り組むHR画像を生成するために連続性を用いて遠隔画像の固有のモザイク化特性を利用するフレームワークを提案した。提案した解決策は,低解像度(LR)入力からSR画像を生成するために,画像ヒューリスティックを完全に利用するために,自己分割を利用した。本アプローチの意義は,自己保存事例における2倍データ生成と,SR画像を生成するコンテンツ保存のための潜在空間に関するカスケード注意共有機構にある。LR空間からSR空間へのマッピングを学習することにより,コンテンツ統計量を保存しながら,より良い品質画像生成を助ける。コンテンツとモザイク化の間の注意共有は,超解像のための主画像上の眼を失うことなく,超解像のための全体の大きい絵を学習するのを助ける。著者らは,SSIMとPSNRの計量によるEuroSATとパターンNetデータセットに関する最新の結果に匹敵するゼロショットケースにおける低解像度(LR)入力画像を与える生成画像による結果を示す。さらに,このアーキテクチャが,非遠隔センシング(RS)アプリケーションに対してどのように利用できるかを示した。Copyright Springer Nature Switzerland AG 2021 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 ,  *リモートセンシング ,  *モザイク性 ,  統計量 ,  応用プログラム ,  粒状材 ,  *超解像 ,  連続性 ,  画像合成 ,  高分解能 ,  計算機アーキテクチャ ,  コンテンツ
準シソーラス用語： 合成画像 ,  *リモートセンシング画像 ,  グランドトゥルース , 【Automatic Indexing@JST】

著者キーワード (3件)： 超解像 ,  リモートセンシング ,  注意共有

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 連続性 ,  自己 ,  モザイク ,  ショット ,  リモートセンシング画像 ,  超解像