論文の概要: H-OWAN: Multi-distorted Image Restoration with Tensor 1x1 Convolution

• arxiv url: http://arxiv.org/abs/2001.10853v1
• Date: Wed, 29 Jan 2020 14:18:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 21:20:58.671440
• Title: H-OWAN: Multi-distorted Image Restoration with Tensor 1x1 Convolution
• Title（参考訳）: H-OWAN: Tensor 1x1畳み込みによるマルチ歪み画像復元
• Authors: Zihao Huang, Chao Li, Feng Duan, Qibin Zhao
• Abstract要約: テンソル1x1畳み込み層を高次テンソル(外)積を付与して導入する。 マルチ歪み画像復元のための高次OWANを提案する。 数値実験では,提案したネットは従来の最先端技術よりも優れていた。
• 参考スコア（独自算出の注目度）: 28.319541564046126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is a challenging task to restore images from their variants with combined distortions. In the existing works, a promising strategy is to apply parallel "operations" to handle different types of distortion. However, in the feature fusion phase, a small number of operations would dominate the restoration result due to the features' heterogeneity by different operations. To this end, we introduce the tensor 1x1 convolutional layer by imposing high-order tensor (outer) product, by which we not only harmonize the heterogeneous features but also take additional non-linearity into account. To avoid the unacceptable kernel size resulted from the tensor product, we construct the kernels with tensor network decomposition, which is able to convert the exponential growth of the dimension to linear growth. Armed with the new layer, we propose High-order OWAN for multi-distorted image restoration. In the numerical experiments, the proposed net outperforms the previous state-of-the-art and shows promising performance even in more difficult tasks.
• Abstract（参考訳）: 変形を組み合わせてイメージを復元することは、難しい作業である。 既存の作品において有望な戦略は、異なる種類の歪みを扱うために平行な「操作」を適用することである。 しかし,機能融合の段階では,異なる操作による特徴の多様性により,少数の操作が復元結果を支配することになる。 この目的のために,高次テンソル(外積)積を課すことでテンソル1x1畳み込み層を導入することにより,不均一な特徴を調和させるだけでなく,追加の非線形性も考慮に入れる。 テンソル積から生じる許容できないカーネルサイズを避けるため、次元の指数的成長を線形成長に変換することができるテンソルネットワーク分解を用いたカーネルを構築する。 新たな層を用いて,マルチディストーテッド画像復元のための高次owanを提案する。 数値実験では,提案したネットは従来の最先端技術よりも優れており,さらに困難なタスクにおいても有望な性能を示す。

関連論文リスト

• Laughing Hyena Distillery: Extracting Compact Recurrences From Convolutions [101.08706223326928]
  近年のアテンションフリーシーケンスモデルの発展は、トランスフォーマーのコアにあるアテンション演算子の代替として、畳み込みに依存している。 本稿では,事前学習した長大な畳み込みアーキテクチャにおいて,トークン当たりの計算コストとメモリコストを$mathcal O(1)$にすることを提案する。
  論文  参考訳（メタデータ） (2023-10-28T18:40:03Z)
• HAT: Hybrid Attention Transformer for Image Restoration [61.74223315807691]
  トランスフォーマーに基づく手法は、画像の超解像や復調といった画像復元タスクにおいて顕著な性能を示している。 本稿では,新たなHAT(Hybrid Attention Transformer)を提案する。 我々のHATは,定量的かつ定性的に,最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-09-11T05:17:55Z)
• Tensor Factorization via Transformed Tensor-Tensor Product for Image Alignment [3.0969191504482243]
  本研究では,観測画像が未知の領域変換によって変形する線形相関画像アライメントの問題について検討する。 3階テンソルの正面スライスとしてこれらの画像を積み重ねることで,基礎となるテンソルの低ランク性について検討する。
  論文  参考訳（メタデータ） (2022-12-12T05:52:26Z)
• Low-Rank Tensor Function Representation for Multi-Dimensional Data Recovery [52.21846313876592]
  低ランクテンソル関数表現(LRTFR)は、無限解像度でメッシュグリッドを超えてデータを連続的に表現することができる。 テンソル関数に対する2つの基本的な概念、すなわちテンソル関数ランクとローランクテンソル関数分解を開発する。 提案手法は,最先端手法と比較して,提案手法の優越性と汎用性を裏付けるものである。
  論文  参考訳（メタデータ） (2022-12-01T04:00:38Z)
• Invertible Rescaling Network and Its Extensions [118.72015270085535]
  本研究では,新たな視点から双方向の劣化と復元をモデル化する,新しい可逆的枠組みを提案する。 我々は、有効な劣化画像を生成し、失われたコンテンツの分布を変換する可逆モデルを開発する。 そして、ランダムに描画された潜在変数とともに、生成された劣化画像に逆変換を適用することにより、復元可能とする。
  論文  参考訳（メタデータ） (2022-10-09T06:58:58Z)
• Auto-regressive Image Synthesis with Integrated Quantization [55.51231796778219]
  本稿では,条件付き画像生成のための多目的フレームワークを提案する。 CNNの帰納バイアスと自己回帰の強力なシーケンスモデリングが組み込まれている。 提案手法は,最先端技術と比較して,優れた多彩な画像生成性能を実現する。
  論文  参考訳（メタデータ） (2022-07-21T22:19:17Z)
• Orthonormal Convolutions for the Rotation Based Iterative Gaussianization [64.44661342486434]
  本稿では、画像ガウス化を可能にする回転型反復ガウス化RBIGの拡張について詳述する。 RBIGの回転は主成分分析や独立成分分析に基づくため、画像では小さな画像パッチや孤立画素に制限されている。 emphConvolutional RBIG:この問題を緩和する拡張として,RBIGの回転が畳み込みであることを示す。
  論文  参考訳（メタデータ） (2022-06-08T12:56:34Z)
• Efficient Tensor Completion via Element-wise Weighted Low-rank Tensor Train with Overlapping Ket Augmentation [18.438177637687357]
  本稿では,要素重み付け手法による新しいテンソル完備化手法を提案する。 具体的には,隣接ブロックからのエッジ要素の回復品質について検討する。 実験結果から,提案アルゴリズムのTWMac-TTは,他の競合するテンソル補完法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-13T06:50:37Z)
• Self-Supervised Nonlinear Transform-Based Tensor Nuclear Norm for Multi-Dimensional Image Recovery [27.34643415429293]
  自己超越下で観測されたテンソルデータを用いて非線形変換を学習する多層ニューラルネットワークを提案する。 提案するネットワークは、変換テンソルの低ランク表現と、観測されたテンソルと再構成テンソルとの間のデータ適合を利用して非線形変換を構築する。
  論文  参考訳（メタデータ） (2021-05-29T14:56:51Z)
• Stable Low-rank Tensor Decomposition for Compression of Convolutional Neural Network [19.717842489217684]
  本稿では、畳み込み核のテンソル分解における縮退性に関する最初の研究である。 本稿では,畳み込みカーネルの低ランク近似を安定化し,効率的な圧縮を実現する新しい手法を提案する。 画像分類のための一般的なCNNアーキテクチャに対するアプローチを評価し,提案手法により精度が大幅に低下し,一貫した性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-08-12T17:10:12Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。