論文の概要: Spatial-Angular Attention Network for Light Field Reconstruction
- arxiv url: http://arxiv.org/abs/2007.02252v2
- Date: Thu, 14 Oct 2021 01:35:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-13 08:29:24.061515
- Title: Spatial-Angular Attention Network for Light Field Reconstruction
- Title（参考訳）: 光電場再構成のための空間角アテンションネットワーク
- Authors: Gaochang Wu, Yingqian Wang, Yebin Liu, Lu Fang, Tianyou Chai
- Abstract要約: 非局所的な光場における対応を知覚する空間角アテンションネットワークを提案する。
非局所的なアテンション機構により、光界の各画素に対するエピポーラ面の全ての位置からの応答を計算するために、空間角アテンションモジュールが導入された。
次に,低空間スケールでの非局所的注意を効果的に実装するためのマルチスケール再構成構造を提案する。
- 参考スコア（独自算出の注目度）: 64.27343801968226
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Typical learning-based light field reconstruction methods demand in
constructing a large receptive field by deepening the network to capture
correspondences between input views. In this paper, we propose a
spatial-angular attention network to perceive correspondences in the light
field non-locally, and reconstruction high angular resolution light field in an
end-to-end manner. Motivated by the non-local attention mechanism, a
spatial-angular attention module specifically for the high-dimensional light
field data is introduced to compute the responses from all the positions in the
epipolar plane for each pixel in the light field, and generate an attention map
that captures correspondences along the angular dimension. We then propose a
multi-scale reconstruction structure to efficiently implement the non-local
attention in the low spatial scale, while also preserving the high frequency
components in the high spatial scales. Extensive experiments demonstrate the
superior performance of the proposed spatial-angular attention network for
reconstructing sparsely-sampled light fields with non-Lambertian effects.
- Abstract（参考訳）: 学習に基づく典型的な光場再構成手法は,入力ビュー間の対応を捉えるためにネットワークを深くすることで,大きな受容場を構築することを要求する。
本稿では,非局所的に光界の対応を知覚する空間角注意ネットワークを提案し,エンドツーエンドに高角分解能光場を再構成する。
非局所注意機構に動機付けられ、高次元光場データに特化した空間角注意モジュールを導入し、光フィールド内の各画素のエピポーラ平面の全ての位置からの応答を計算し、角次元に沿った対応をキャプチャする注意マップを生成する。
そこで本稿では,非局所的注意を低空間スケールで効率的に実装し,高空間スケールの高周波成分を保ちながら,マルチスケール再構成構造を提案する。
広汎な実験は、非ランベルト効果を持つスパースサンプリング光場を再構成するための空間角アテンションネットワークの優れた性能を示す。
関連論文リスト
- Learning based Deep Disentangling Light Field Reconstruction and
Disparity Estimation Application [1.5603081929496316]
本稿では,光電界拡散機構の原理を継承し,高度なネットワーク構造を付加するDeep Disentangling Mechanismを提案する。
本研究では,DDASR(Deep Disentangling Mechanism)に基づく光電場再構成ネットワークを設計し,実験においてSOTAの性能を実現する。
論文 参考訳（メタデータ） (2023-11-14T12:48:17Z) - SAWU-Net: Spatial Attention Weighted Unmixing Network for Hyperspectral
Images [91.20864037082863]
本稿では,空間的注意ネットワークと重み付き未混合ネットワークをエンドツーエンドに学習する,SAWU-Netと呼ばれる空間的注意重み付き未混合ネットワークを提案する。
特に,画素アテンションブロックとウィンドウアテンションブロックからなる空間アテンションモジュールを設計し,画素ベースのスペクトル情報とパッチベースの空間情報を効率的にモデル化する。
実データと合成データの実験結果から,SAWU-Netの精度と優位性が示された。
論文 参考訳（メタデータ） (2023-04-22T05:22:50Z) - Geo-NI: Geometry-aware Neural Interpolation for Light Field Rendering [57.775678643512435]
光場レンダリングのためのGeo-NI(Geometry-aware Neural Interpolation)フレームワークを提案する。
NIとDIBRの優位性を組み合わせることで、提案したGeo-NIは、大きな差異でビューをレンダリングすることができる。
論文 参考訳（メタデータ） (2022-06-20T12:25:34Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z) - Efficient Light Field Reconstruction via Spatio-Angular Dense Network [14.568586050271357]
光電場再構成のためのエンドツーエンドのSPDense Network(SADenseNet)を提案する。
提案したSADenseNetの最先端性能は,メモリと計算のコストを大幅に削減できることを示す。
その結果, 再構成された光場画像は, 精密で精密であり, 測定関連アプリケーションの精度を向上させるために, プリプロセッシングとして機能することがわかった。
論文 参考訳（メタデータ） (2021-08-08T13:50:51Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳（メタデータ） (2021-03-24T08:16:32Z) - Spatial--spectral FFPNet: Attention-Based Pyramid Network for
Segmentation and Classification of Remote Sensing Images [12.320585790097415]
本研究では,リモートセンシングデータセットのセグメンテーションと分類のためのアテンションベースのピラミッドネットワークを開発する。
ISPRS Vaihingen と ISPRS Potsdam の高分解能データセットを用いて行った実験は、提案した重み空間FFPNetによる競合セグメンテーション精度を示す。
論文 参考訳（メタデータ） (2020-08-20T04:55:34Z) - High-Order Residual Network for Light Field Super-Resolution [39.93400777363467]
可視光カメラは通常、異なる視点から情報を取得するために、SAIの空間分解能を犠牲にする。
そこで本稿では,光場から階層的に幾何学的特徴を学習するための新しい高次残差ネットワークを提案する。
提案手法は,挑戦的領域においても高品質な再構成が可能であり,定量化と視覚的評価の両面から,最先端の単一画像やLF再構成よりも優れる。
論文 参考訳（メタデータ） (2020-03-29T18:06:05Z) - Learning Light Field Angular Super-Resolution via a Geometry-Aware
Network [101.59693839475783]
そこで本研究では,広いベースラインを持つスパースサンプリング光場を超解き放つことを目的とした,エンド・ツー・エンドの学習ベースアプローチを提案する。
提案手法は,実行時間48$times$を節約しつつ,2番目のベストメソッドのPSNRを平均2dBまで改善する。
論文 参考訳（メタデータ） (2020-02-26T02:36:57Z)
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。