論文の概要: Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of Satellite Images

• arxiv url: http://arxiv.org/abs/2008.00878v1
• Date: Mon, 3 Aug 2020 13:55:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 06:31:08.123904
• Title: Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of Satellite Images
• Title（参考訳）: 衛星画像の高速超解像のための深部・非深部法の融合
• Authors: Gaurav Kumar Nayak, Saksham Jain, R Venkatesh Babu, Anirban Chakraborty
• Abstract要約: 本研究は,超解像(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。 低解像度画像の各パッチの地域情報内容を解析するSRフレームワークを設計する。 本研究では,既存の深部SR法と同等の性能を示しながら,推定時間を大幅に減少させることを示した。
• 参考スコア（独自算出の注目度）: 54.44842669325082
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the emerging commercial space industry there is a drastic increase in access to low cost satellite imagery. The price for satellite images depends on the sensor quality and revisit rate. This work proposes to bridge the gap between image quality and the price by improving the image quality via super-resolution (SR). Recently, a number of deep SR techniques have been proposed to enhance satellite images. However, none of these methods utilize the region-level context information, giving equal importance to each region in the image. This, along with the fact that most state-of-the-art SR methods are complex and cumbersome deep models, the time taken to process very large satellite images can be impractically high. We, propose to handle this challenge by designing an SR framework that analyzes the regional information content on each patch of the low-resolution image and judiciously chooses to use more computationally complex deep models to super-resolve more structure-rich regions on the image, while using less resource-intensive non-deep methods on non-salient regions. Through extensive experiments on a large satellite image, we show substantial decrease in inference time while achieving similar performance to that of existing deep SR methods over several evaluation measures like PSNR, MSE and SSIM.
• Abstract（参考訳）: 新興の商用宇宙産業では、低コストの衛星画像へのアクセスが大幅に増加している。 衛星画像の価格は、センサーの品質と再訪率に依存する。 本研究は,高解像度(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。 近年,衛星画像を強化するための深層sr技術が提案されている。 しかし、これらの方法はいずれも領域レベルのコンテキスト情報を使用しず、画像の各領域に等しく重要となる。 このことは、ほとんどの最先端のSR手法が複雑で面倒な深層モデルであるため、非常に大きな衛星画像を処理するのに要する時間は不可分に高い。 本稿では,低解像度画像の各パッチ上の地域情報内容を分析し,より複雑な深層モデルを用いて画像上のより構造豊かな領域を超解き,非塩領域における資源集約的非深層メソッドを少なくするsrフレームワークを設計することで,この問題に対処することを提案する。 大規模な衛星画像に対する広範囲な実験により,PSNR,MSE,SSIMなどのいくつかの評価尺度において,既存の深部SR法と同等の性能を示しながら,推測時間の大幅な減少を示す。

関連論文リスト

• SatDiffMoE: A Mixture of Estimation Method for Satellite Image Super-resolution with Latent Diffusion Models [3.839322642354617]
  我々はtextbfSatDiffMoE と呼ばれる新しい拡散型融合アルゴリズムを提案する。 アルゴリズムは非常に柔軟で、任意の数の低解像度画像のトレーニングと推測が可能である。 実験の結果,SatDiffMoE法は衛星画像の超解像処理に優れていた。
  論文  参考訳（メタデータ） (2024-06-14T17:58:28Z)
• HRFNet: High-Resolution Forgery Network for Localizing Satellite Image Manipulation [16.668334854459143]
  既存の高解像度衛星画像フォージェリーローカライゼーション手法は、パッチベースまたはダウンサンプリングベースのトレーニングに依存している。 本研究では,衛星画像の偽位置推定を効果的に行うため,HRFNetと呼ばれる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-20T17:33:57Z)
• Effectivity of super resolution convolutional neural network for the enhancement of land cover classification from medium resolution satellite images [0.0]
  超解像畳み込みニューラルネットワーク(SRCNN)は、確立された認識方法の下でも、画素の誤分類の可能性を小さくする。 本研究では,サンダーバンの異なる領域のLANDSAT-7画像と,バイリンarvolution,バイコビック,SRCNNによるアップスケールバージョンについて検討した。
  論文  参考訳（メタデータ） (2022-07-05T20:48:03Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Spatial-Temporal Super-Resolution of Satellite Imagery via Conditional Pixel Synthesis [66.50914391487747]
  高精度な高解像度画像を生成するために,高解像度の高解像度画像を用いた条件付き画素合成モデルを提案する。 我々は,本モデルにおいて,オブジェクトカウントという重要なダウンストリームタスクにおいて,フォトリアリスティックなサンプル品質を実現し,競合するベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-22T02:16:24Z)
• Unsupervised Remote Sensing Super-Resolution via Migration Image Prior [12.728430583409997]
  低解像度・高分解能の画像ペアを使わずに超解像タスクを実現する新しい非監視学習フレームワーク「MIP」を提案する。 本論文では,MIPが定量的および定性的に最先端の手法よりも有意な改善を達成できることを示した。
  論文  参考訳（メタデータ） (2021-05-08T03:29:35Z)
• High-resolution Depth Maps Imaging via Attention-based Hierarchical Multi-modal Fusion [84.24973877109181]
  誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。 本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:28:33Z)
• Super-Resolving Beyond Satellite Hardware Using Realistically Degraded Images [0.23090185577016442]
  現実のリモートセンシングペイロードにおける深部SRの利用可能性について,現実的に劣化した衛星画像の再構築におけるSR性能を評価することにより検証する。 本研究では, 強調深度超分解能ネットワーク(EDSR)と呼ばれる最先端のSR技術により, 地上サンプリング距離の低い画像の符号化画素データを復元できることを実証した。
  論文  参考訳（メタデータ） (2021-03-10T00:20:33Z)
• Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
  実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。 監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。 ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
  論文  参考訳（メタデータ） (2020-12-18T08:25:39Z)
• 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。

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。