Fugu-MT 論文翻訳(概要): DeepSUM++: Non-local Deep Neural Network for Super-Resolution of Unregistered Multitemporal Images

論文の概要: DeepSUM++: Non-local Deep Neural Network for Super-Resolution of Unregistered Multitemporal Images

arxiv url: http://arxiv.org/abs/2001.06342v1
Date: Wed, 15 Jan 2020 11:17:19 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 06:23:33.049179
Title: DeepSUM++: Non-local Deep Neural Network for Super-Resolution of Unregistered Multitemporal Images
Title（参考訳）: DeepSUM++: 未登録マルチテンポラル画像の超解像のための非局所ディープニューラルネットワーク
Authors: Andrea Bordone Molini, Diego Valsesia, Giulia Fracastoro, Enrico Magli
Abstract要約: 本稿では,畳み込みニューラルネットワークにおける非局所情報の導入が,自己相似パターンの活用に有効であることを示す。課題のデータセットの実験は、非ローカル情報を活用しない最先端技術よりもパフォーマンスが向上したことを示している。
参考スコア（独自算出の注目度）: 30.410981386006394
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning methods for super-resolution of a remote sensing scene from multiple unregistered low-resolution images have recently gained attention thanks to a challenge proposed by the European Space Agency. This paper presents an evolution of the winner of the challenge, showing how incorporating non-local information in a convolutional neural network allows to exploit self-similar patterns that provide enhanced regularization of the super-resolution problem. Experiments on the dataset of the challenge show improved performance over the state-of-the-art, which does not exploit non-local information.
Abstract（参考訳）: 欧州宇宙機関(esa)が提唱した課題により、複数の未登録の低解像度画像からリモートセンシングシーンを超解像するためのディープラーニング手法が最近注目を集めている。本稿では,非局所的な情報を畳み込みニューラルネットワークに組み込むことによって,超解像問題の正規化を促進する自己相似パターンを活用できることを示す。課題のデータセットの実験では、非ローカル情報を活用しない最先端技術よりもパフォーマンスが向上した。

関連論文リスト

Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文参考訳（メタデータ） (2023-11-02T13:57:48Z)
Cross-resolution Face Recognition via Identity-Preserving Network and Knowledge Distillation [12.090322373964124]
クロスレゾリューション顔認識は、現代の深層顔認識システムにとって難しい問題である。本稿では,低分解能画像の低周波成分に蓄積される識別情報にネットワークを集中させる新しい手法を提案する。
論文参考訳（メタデータ） (2023-03-15T14:52:46Z)
Real-World Image Super Resolution via Unsupervised Bi-directional Cycle Domain Transfer Learning based Generative Adversarial Network [14.898170534545727]
UBCDTLGAN(Unsupervised Bi-directional Cycle Domain Transfer Learning-based Generative Adrial Network)を提案する。まず、UBCDTNは、人工劣化領域から実世界の画像領域にLR画像を転送することで、近似された実状LR画像を生成することができる。第二に、SESRNは、近似されたリアルライクなLR画像をフォトリアリスティックなHR画像に超解ける能力を持っている。
論文参考訳（メタデータ） (2022-11-19T02:19:21Z)
RDRN: Recursively Defined Residual Network for Image Super-Resolution [58.64907136562178]
深部畳み込みニューラルネットワーク(CNN)は、単一画像超解像において顕著な性能を得た。本稿では,注目ブロックを効率的に活用する新しいネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-11-17T11:06:29Z)
Fusformer: A Transformer-based Fusion Approach for Hyperspectral Image Super-resolution [9.022005574190182]
低分解能ハイパースペクトル像と高分解能マルチスペクトル像を融合させるトランスフォーマーに基づくネットワークを設計する。 LR-HSIは主スペクトル構造を持つため、ネットワークは空間的詳細推定に重点を置いている。様々な実験と品質指標は、他の最先端手法と比較して、我々のアプローチの優位性を示している。
論文参考訳（メタデータ） (2021-09-05T14:00:34Z)
High-Frequency aware Perceptual Image Enhancement [0.08460698440162888]
マルチスケール解析に適した新しいディープニューラルネットワークを導入し,効率的なモデルに依存しない手法を提案する。本モデルは,デノイング,デブロアリング,単一画像超解像などのマルチスケール画像強調問題に適用できる。
論文参考訳（メタデータ） (2021-05-25T07:33:14Z)
Best-Buddy GANs for Highly Detailed Image Super-Resolution [71.13466303340192]
我々は,低分解能(LR)入力に基づいて高分解能(HR)画像を生成する単一画像超解像(SISR)問題を考える。このラインに沿ったほとんどのメソッドは、SISRタスクに十分な柔軟性がない、事前定義されたシングルLRシングルHRマッピングに依存しています。リッチディテールSISRのためのベストバディGAN(Beby-GAN)を提案する。イミュータブルな1対1の制約を緩和することで、推定されたパッチを動的に最高の監視を求めることができる。
論文参考訳（メタデータ） (2021-03-29T02:58:27Z)
Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
論文参考訳（メタデータ） (2021-02-02T16:10:15Z)
Multi-image Super Resolution of Remotely Sensed Images using Residual Feature Attention Deep Neural Networks [1.3764085113103222]
本研究は,マルチイメージ超解像課題に効果的に取り組む新しい残像注意モデル(RAMS)を提案する。本研究では,3次元畳み込みによる視覚特徴の注意機構を導入し,意識的なデータ融合と情報抽出を実現する。我々の表現学習ネットワークは、冗長な低周波信号を流すためにネストした残差接続を広範囲に利用している。
論文参考訳（メタデータ） (2020-07-06T22:54:02Z)
Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文参考訳（メタデータ） (2020-03-02T13:28:32Z)
HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of Satellite Imagery [55.253395881190436]
MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。これは、地球上の人間の影響を衛星で観測する上で重要である。我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
論文参考訳（メタデータ） (2020-02-15T22:17:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。