論文の概要: Hierarchical Regression Network for Spectral Reconstruction from RGB Images

• arxiv url: http://arxiv.org/abs/2005.04703v1
• Date: Sun, 10 May 2020 16:06:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 01:47:23.033533
• Title: Hierarchical Regression Network for Spectral Reconstruction from RGB Images
• Title（参考訳）: RGB画像からのスペクトル再構成のための階層的回帰ネットワーク
• Authors: Yuzhi Zhao, Lai-Man Po, Qiong Yan, Wei Liu, Tingyu Lin
• Abstract要約: 我々は,PixelShuffle層を用いた4レベル階層回帰ネットワーク(HRNet)を階層間相互作用として提案する。 NTIRE 2020 Challenge on Spectral Reconstruction from RGB Images に参加して,他のアーキテクチャや技術を用いたHRNetの評価を行った。
• 参考スコア（独自算出の注目度）: 21.551899202524904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Capturing visual image with a hyperspectral camera has been successfully applied to many areas due to its narrow-band imaging technology. Hyperspectral reconstruction from RGB images denotes a reverse process of hyperspectral imaging by discovering an inverse response function. Current works mainly map RGB images directly to corresponding spectrum but do not consider context information explicitly. Moreover, the use of encoder-decoder pair in current algorithms leads to loss of information. To address these problems, we propose a 4-level Hierarchical Regression Network (HRNet) with PixelShuffle layer as inter-level interaction. Furthermore, we adopt a residual dense block to remove artifacts of real world RGB images and a residual global block to build attention mechanism for enlarging perceptive field. We evaluate proposed HRNet with other architectures and techniques by participating in NTIRE 2020 Challenge on Spectral Reconstruction from RGB Images. The HRNet is the winning method of track 2 - real world images and ranks 3rd on track 1 - clean images. Please visit the project web page https://github.com/zhaoyuzhi/Hierarchical-Regression-Network-for-Spectral-Reconstruction-from-RGB-Im ages to try our codes and pre-trained models.
• Abstract（参考訳）: ハイパースペクトラルカメラによる映像撮影は、狭帯域撮像技術により、多くの領域で成功している。 rgb画像からのハイパースペクトル再構成は、逆応答関数の発見によるハイパースペクトルイメージングの逆過程を示す。 現在の作業は主にRGB画像を対応するスペクトルに直接マッピングするが、コンテキスト情報を明示的に考慮しない。 さらに、現在のアルゴリズムにおけるエンコーダ-デコーダペアの使用は、情報の喪失につながる。 そこで本稿では,画素シャッフル層を階層的相互作用として用いた4レベル階層回帰ネットワーク(hrnet)を提案する。 さらに,実世界のrgb画像のアーティファクトを除去するために残密ブロックと,知覚場を拡大するための注意機構を構築するために残余大域ブロックを採用する。 NTIRE 2020 Challenge on Spectral Reconstruction from RGB Images に参加して,他のアーキテクチャや技術を用いたHRNetの評価を行った。 HRNetは、トラック2 - 現実世界の画像の勝利の方法であり、トラック1 - クリーン画像の3位である。 プロジェクトWebページ https://github.com/zhaoyuzhi/Hierarchical-Regression-Network-for-Spectral-Reconstruction-from-RGB-Im agesを参照して、コードと事前トレーニング済みモデルを試してください。

関連論文リスト

• Rethinking RGB Color Representation for Image Restoration Models [55.81013540537963]
  各画素に局所的な近傍構造情報を保持するために表現を拡大する。 画素あたりの損失に対する表現空間の置換は、画像復元モデルのトレーニングを容易にする。 私たちの空間は、色と局所構造の両方を再構築することで、全体的なメトリクスを一貫して改善します。
  論文  参考訳（メタデータ） (2024-02-05T06:38:39Z)
• DFormer: Rethinking RGBD Representation Learning for Semantic Segmentation [76.81628995237058]
  DFormerは、RGB-Dセグメンテーションタスクの転送可能な表現を学ぶための新しいフレームワークである。 ImageNet-1Kから画像深度ペアを使用してバックボーンを事前トレーニングする。 DFormerは2つのRGB-Dタスクで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-09-18T11:09:11Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Learning to Recover Spectral Reflectance from RGB Images [20.260831758913902]
  RGB画像からのスペクトル反射率回復(SRR)は困難で費用がかかる。 既存のほとんどのアプローチは、合成画像に基づいて訓練され、見知らぬすべてのテスト画像に同じパラメータを使用する。 本稿では,訓練済みのネットワークパラメータを各テスト画像に微調整し,外部情報と内部情報を組み合わせた自己教師付きメタ補助学習(MAXL)戦略を提案する。
  論文  参考訳（メタデータ） (2023-04-04T23:27:02Z)
• Spherical Space Feature Decomposition for Guided Depth Map Super-Resolution [123.04455334124188]
  誘導深度マップ超解像(GDSR)は、低解像度(LR)深度マップに高解像度(HR)RGB画像を含む追加情報を加えることを目的としている。 本稿では,この問題を解決するために,Spherical Space Feature Decomposition Network (SSDNet)を提案する。 提案手法は,4つのテストデータセットの最先端結果と実世界のシーンへの一般化を実現する。
  論文  参考訳（メタデータ） (2023-03-15T21:22:21Z)
• RGB-D Image Inpainting Using Generative Adversarial Network with a Late Fusion Approach [14.06830052027649]
  Diminished Realityは、ビデオ画像からオブジェクトを取り除き、行方不明の領域を可視画素で埋めることを目的とした技術だ。 生成逆数ネットワークを用いたRGB-D画像の描画手法を提案する。
  論文  参考訳（メタデータ） (2021-10-14T14:44:01Z)
• Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB Images in the Wild [48.44194221801609]
  この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。 我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。 提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2021-08-15T05:19:44Z)
• Deep Amended Gradient Descent for Efficient Spectral Reconstruction from Single RGB Images [42.26124628784883]
  本稿では、AGD-Netという、コンパクトで効率的でエンドツーエンドの学習ベースのフレームワークを提案する。 まず、古典的勾配降下アルゴリズムに基づいて問題を明示的に定式化する。 AGD-Netは、平均1.0dB以上のリコンストラクション品質を向上させることができる。
  論文  参考訳（メタデータ） (2021-08-12T05:54:09Z)
• Over-and-Under Complete Convolutional RNN for MRI Reconstruction [57.95363471940937]
  MR画像再構成のための最近のディープラーニングに基づく手法は、通常、汎用的なオートエンコーダアーキテクチャを利用する。 OUCR(Over-and-Under Complete Convolu?tional Recurrent Neural Network)を提案する。 提案手法は, トレーニング可能なパラメータの少ない圧縮されたセンシングと, 一般的なディープラーニングに基づく手法に対して, 大幅な改善を実現する。
  論文  参考訳（メタデータ） (2021-06-16T15:56:34Z)
• AdaptiveWeighted Attention Network with Camera Spectral Sensitivity Prior for Spectral Reconstruction from RGB Images [22.26917280683572]
  スペクトル再構成のための適応重み付き注意ネットワーク(AWAN)を提案する。 AWCAおよびPSNLモジュールは、チャネルワイドな特徴応答を再配置するために開発された。 NTIRE 2020 Spectral Reconstruction Challengeでは、クリーントラックで1位、リアルワールドで3位を獲得しました。
  論文  参考訳（メタデータ） (2020-05-19T09:21:01Z)

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。