Fugu-MT 論文翻訳(概要): On the unreasonable effectiveness of CNNs

論文の概要: On the unreasonable effectiveness of CNNs

arxiv url: http://arxiv.org/abs/2007.14745v1
Date: Wed, 29 Jul 2020 11:16:20 GMT
ステータス: 処理完了
システム内更新日: 2022-11-05 19:35:41.998160
Title: On the unreasonable effectiveness of CNNs
Title（参考訳）: CNNの理にかなわない有効性について
Authors: Andreas Hauptmann and Jonas Adler
Abstract要約: 畳み込みニューラルネットワーク(CNN)を用いた深層学習法は、事実上全ての画像問題に適用されている。画像と画像の問題を解決するためのベースラインCNNの能力に上限を付けるために、我々は広く使われている標準オフザシェルフネットワークアーキテクチャ(U-Net)をノイズデータからXOR復号化の「逆問題」に適用し、許容可能な結果を示した。
参考スコア（独自算出の注目度）: 7.673853485227739
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning methods using convolutional neural networks (CNN) have been successfully applied to virtually all imaging problems, and particularly in image reconstruction tasks with ill-posed and complicated imaging models. In an attempt to put upper bounds on the capability of baseline CNNs for solving image-to-image problems we applied a widely used standard off-the-shelf network architecture (U-Net) to the "inverse problem" of XOR decryption from noisy data and show acceptable results.
Abstract（参考訳）: 畳み込みニューラルネットワーク(cnn)を用いた深層学習法は、事実上全ての画像問題、特に不適切で複雑な画像モデルを用いた画像再構成タスクにうまく適用されている。画像と画像の問題を解決するためのベースラインCNNの能力に上限を付けるために、我々は広く使われている標準オフザシェルフネットワークアーキテクチャ(U-Net)をノイズデータからのXOR復号の「逆問題」に適用し、許容可能な結果を示した。

関連論文リスト

Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文参考訳（メタデータ） (2023-10-11T12:46:11Z)
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)
Image Super-resolution with An Enhanced Group Convolutional Neural Network [102.2483249598621]
学習能力の強いCNNは、超解像問題を解くために広く選択されている。浅層構造を持つ超解像群CNN(ESRGCNN)を提案する。 ESRGCNNは、SISRの性能、複雑さ、実行速度、画質評価およびSISRの視覚効果の観点から、最先端技術を上回っていると報告されている。
論文参考訳（メタデータ） (2022-05-29T00:34:25Z)
SDT-DCSCN for Simultaneous Super-Resolution and Deblurring of Text Images [3.5590597557917363]
我々は,SDT-DCSCNという手法を提案し,DCSCNに基づく低解像度のぼかしテキスト画像の高解像度化とデブロアリングを共同で行う。提案手法では,入力画像と元のシャープ画像に,サブサンプルのぼやけた画像を用いる。
論文参考訳（メタデータ） (2022-01-15T14:51:50Z)
Image Quality Assessment using Contrastive Learning [50.265638572116984]
我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
論文参考訳（メタデータ） (2021-10-25T21:01:00Z)
Image Restoration by Deep Projected GSURE [115.57142046076164]
Ill-posed inverse problem は、デブロアリングや超解像など、多くの画像処理アプリケーションに現れる。本稿では,一般化されたSteinUnbiased Risk Estimator(GSURE)の「投影変換」とCNNによる潜在画像のパラメータ化を含む損失関数の最小化に基づく,新たな画像復元フレームワークを提案する。
論文参考訳（メタデータ） (2021-02-04T08:52:46Z)
Convolutional Neural Networks for Multispectral Image Cloud Masking [7.812073412066698]
畳み込みニューラルネットワーク(CNN)は多くの画像分類タスクの最先端技術であることが証明されている。 Proba-Vマルチスペクトル画像のクラウドマスキングにおける異なるCNNアーキテクチャの利用について検討する。
論文参考訳（メタデータ） (2020-12-09T21:33:20Z)
WDN: A Wide and Deep Network to Divide-and-Conquer Image Super-resolution [0.0]
分割と征服は確立されたアルゴリズム設計パラダイムであり、様々な問題を効率的に解くことが証明されている。本稿では,画像超解像の問題を複数のサブプロブレムに分割し,ニューラルネットワークの助けを借りて解く手法を提案する。
論文参考訳（メタデータ） (2020-10-07T06:15:11Z)
Cascade Convolutional Neural Network for Image Super-Resolution [15.650515790147189]
画像超解像のためのカスケード畳み込みニューラルネットワーク(CSRCNN)を提案する。異なるスケールのイメージを同時にトレーニングすることができ、学習されたネットワークは、異なるスケールのイメージに存在する情報をフル活用することができる。
論文参考訳（メタデータ） (2020-08-24T11:34:03Z)
When to Use Convolutional Neural Networks for Inverse Problems [40.60063929073102]
本稿では,畳み込みニューラルネットワークを,畳み込みスパース符号問題に対する近似解とみなすことができることを示す。ある種の逆問題に対して、CNN近似は性能の低下につながると論じる。具体的には、JPEGアーチファクトの低減と非剛性軌道再構成をCNNの逆問題として同定する。
論文参考訳（メタデータ） (2020-03-30T21:08:14Z)
Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
論文参考訳（メタデータ） (2020-03-15T11:04:30Z)

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。