Fugu-MT 論文翻訳(概要): Boosting High-Level Vision with Joint Compression Artifacts Reduction and Super-Resolution

論文の概要: Boosting High-Level Vision with Joint Compression Artifacts Reduction and Super-Resolution

arxiv url: http://arxiv.org/abs/2010.08919v2
Date: Fri, 18 Dec 2020 03:26:40 GMT
ステータス: 処理完了
システム内更新日: 2022-10-06 04:42:31.105021
Title: Boosting High-Level Vision with Joint Compression Artifacts Reduction and Super-Resolution
Title（参考訳）: ジョイント圧縮アーティファクト低減と超解像によるハイレベルビジョンの促進
Authors: Xiaoyu Xiang, Qian Lin, Jan P. Allebach
Abstract要約: 任意の品質係数で圧縮された低解像度画像から、アーティファクトフリーの高解像度画像を生成する。文脈認識型CARとSRニューラルネットワーク(CAJNN)は、局所的特徴と非局所的特徴を統合し、CARとSRを1段階で解く。高品質で高解像度な画像を予測するために、ディープ・リコンストラクション・ネットワークが採用されている。
参考スコア（独自算出の注目度）: 10.960291115491504
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Due to the limits of bandwidth and storage space, digital images are usually down-scaled and compressed when transmitted over networks, resulting in loss of details and jarring artifacts that can lower the performance of high-level visual tasks. In this paper, we aim to generate an artifact-free high-resolution image from a low-resolution one compressed with an arbitrary quality factor by exploring joint compression artifacts reduction (CAR) and super-resolution (SR) tasks. First, we propose a context-aware joint CAR and SR neural network (CAJNN) that integrates both local and non-local features to solve CAR and SR in one-stage. Finally, a deep reconstruction network is adopted to predict high quality and high-resolution images. Evaluation on CAR and SR benchmark datasets shows that our CAJNN model outperforms previous methods and also takes 26.2% shorter runtime. Based on this model, we explore addressing two critical challenges in high-level computer vision: optical character recognition of low-resolution texts, and extremely tiny face detection. We demonstrate that CAJNN can serve as an effective image preprocessing method and improve the accuracy for real-scene text recognition (from 85.30% to 85.75%) and the average precision for tiny face detection (from 0.317 to 0.611).
Abstract（参考訳）: 帯域幅とストレージスペースの制限のため、デジタルイメージは通常、ネットワーク経由で送信されるとダウンスケールされ、圧縮されるため、細部やジャリングアーティファクトが失われ、ハイレベルなビジュアルタスクのパフォーマンスが低下する。本稿では,圧縮アーティファクト低減(car)とスーパーレゾリューション(sr)の課題を検討することにより,任意の品質因子で圧縮された低解像度画像から,アーティファクトフリーな高解像度画像を生成することを目的とする。まず, 局所的特徴と非局所的特徴を統合し, 車とsrを一段階に解く, 文脈認識型ジョイントカーとsrニューラルネットワーク(cajnn)を提案する。最後に、高画質・高分解能画像の予測にディープリコンストラクションネットワークを採用する。 CARおよびSRベンチマークデータセットの評価では、我々のCAJNNモデルは従来の手法より優れており、ランタイムも26.2%短い。このモデルに基づいて,低解像度テキストの光学的文字認識と極めて小さな顔検出という,ハイレベルコンピュータビジョンにおける2つの重要な課題に対処する。我々は,CAJNNが有効な画像前処理手法として機能し,実シーンのテキスト認識の精度(85.30%から85.75%)と顔検出の精度(0.317から0.611)を向上させることを実証した。

関連論文リスト

Assessing UHD Image Quality from Aesthetics, Distortions, and Saliency [51.36674160287799]
我々は3つの視点からUHD画像の品質を評価するためにマルチブランチディープニューラルネットワーク(DNN)を設計する。 UHD画像から低解像度画像から美的特徴を抽出する。 UHD画像から抽出したミニパッチからなる断片画像を用いて, 技術的歪みを測定する。 UHD画像の塩分含有量を検知し、収穫し、塩分領域から品質認識特徴を抽出する。
論文参考訳（メタデータ） (2024-09-01T15:26:11Z)
Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
論文参考訳（メタデータ） (2024-01-25T08:11:27Z)
Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
本稿では,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する。我々は、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。提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
論文参考訳（メタデータ） (2022-04-19T17:59:45Z)
High Quality Segmentation for Ultra High-resolution Images [72.97958314291648]
超高分解能セグメンテーション精錬作業のための連続精細モデルを提案する。提案手法は画像分割精細化において高速かつ効果的である。
論文参考訳（メタデータ） (2021-11-29T11:53:06Z)
Disentangled High Quality Salient Object Detection [8.416690566816305]
本稿では,SOD(High- resolution Salient Object Detection)のための新しいディープラーニングフレームワークを提案する。タスクを低分解能唾液度分類ネットワーク(LRSCN)と高分解能精製ネットワーク(HRRN)に切り離す。
論文参考訳（メタデータ） (2021-08-08T02:14:15Z)
Learning-Based Quality Assessment for Image Super-Resolution [25.76907513611358]
我々は,新しい半自動ラベリング手法を用いて,大規模sr画像データベースを構築する。結果のSR画像品質データベースには、100の自然シーンの8,400の画像が含まれている。特徴抽出にDNN(Deep Neural Networks)を用いたエンドツーエンドのDeep Image SR Quality(DISQ)モデルと、品質予測のためのFeature fusion Networkをトレーニングします。
論文参考訳（メタデータ） (2020-12-16T04:06:27Z)
Multi Scale Identity-Preserving Image-to-Image Translation Network for Low-Resolution Face Recognition [7.6702700993064115]
本稿では,画像から画像へ変換する深層ニューラルネットワークを提案する。アイデンティティ関連の情報を保存しながら、非常に低解像度の顔を高解像度の顔に超解き放つことができる。
論文参考訳（メタデータ） (2020-10-23T09:21:06Z)
High Quality Remote Sensing Image Super-Resolution Using Deep Memory Connected Network [21.977093907114217]
単一画像の超解像は、ターゲット検出や画像分類といった多くの用途において重要である。本稿では,畳み込みニューラルネットワークによる高画質超解像画像の再構成手法として,DeepMemory Connected Network (DMCN)を提案する。
論文参考訳（メタデータ） (2020-10-01T15:06:02Z)
Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
空間情報とスペクトル情報の相互モダリティ分布が問題となる。本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
論文参考訳（メタデータ） (2020-06-18T06:32:11Z)
Deep Attentive Generative Adversarial Network for Photo-Realistic Image De-Quantization [25.805568996596783]
減量子化は、高ビット深度画面に表示するための低ビット深度画像の視覚的品質を改善することができる。本稿では,画像強度分解能の超解像を実現するためのDAGANアルゴリズムを提案する。 DenseResAttモジュールは、自己保持機構を備えた密集した残留ブロックで構成されている。
論文参考訳（メタデータ） (2020-04-07T06:45:01Z)
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。

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。