論文の概要: DSM Refinement with Deep Encoder-Decoder Networks

• arxiv url: http://arxiv.org/abs/2012.07427v1
• Date: Mon, 14 Dec 2020 11:27:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-09 01:56:53.345299
• Title: DSM Refinement with Deep Encoder-Decoder Networks
• Title（参考訳）: ディープエンコーダデコーダネットワークを用いたDSMリファインメント
• Authors: Nando Metzger
• Abstract要約: この研究は、そのようなDSMを自動的に洗練するアプローチを提示する。 重要なアイデアは、参照データからニューラルネットワークに都市部の特性を教えることである。 高さマップの更新を学ぶために、深い残差学習とエンコーダ・デコーダ構造の概念に基づいてネットワークアーキテクチャを設定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D city models can be generated from aerial images. However, the calculated DSMs suffer from noise, artefacts, and data holes that have to be manually cleaned up in a time-consuming process. This work presents an approach that automatically refines such DSMs. The key idea is to teach a neural network the characteristics of urban area from reference data. In order to achieve this goal, a loss function consisting of an L1 norm and a feature loss is proposed. These features are constructed using a pre-trained image classification network. To learn to update the height maps, the network architecture is set up based on the concept of deep residual learning and an encoder-decoder structure. The results show that this combination is highly effective in preserving the relevant geometric structures while removing the undesired artefacts and noise.
• Abstract（参考訳）: 空中画像から3d都市モデルを生成することができる。 しかし、計算されたDSMは、時間を要するプロセスで手動で片付けなければならないノイズ、人工物、データホールに悩まされる。 本稿では,このようなdsmを自動精錬する手法を提案する。 重要なアイデアは、参照データからニューラルネットワークに都市部の特性を教えることである。 この目的を達成するために、L1ノルムと特徴損失からなる損失関数を提案する。 これらの特徴は、事前訓練された画像分類ネットワークを用いて構築される。 高度マップの更新を学習するために、深層学習の概念とエンコーダ・デコーダ構造に基づいてネットワークアーキテクチャを設定する。 その結果, この組み合わせは, 不要なアーチファクトやノイズを除去しながら, 関連する幾何学的構造を保存するのに極めて有効であることが示唆された。

関連論文リスト

• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction [62.691996239590125]
  本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。 我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。 本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
  論文  参考訳（メタデータ） (2022-05-16T06:49:36Z)
• Neural RF SLAM for unsupervised positioning and mapping with channel state information [51.484516640867525]
  アイソメトリによるユーザ位置と環境マッピングを共同で学習するニューラルネットワークアーキテクチャを提案する。 提案モデルでは,物理ベースのデコーダを適用すれば,解釈可能な潜在能力,すなわちユーザ位置を学習できる。
  論文  参考訳（メタデータ） (2022-03-15T21:32:44Z)
• An Efficient End-to-End 3D Model Reconstruction based on Neural Architecture Search [5.913946292597174]
  ニューラルアーキテクチャサーチ(NAS)とバイナリ分類を用いた効率的なモデル再構成手法を提案する。 本手法は,より少ないネットワークパラメータを用いて,再構成精度を著しく向上する。
  論文  参考訳（メタデータ） (2022-02-27T08:53:43Z)
• Self-supervised Neural Networks for Spectral Snapshot Compressive Imaging [15.616674529295366]
  我々は、訓練されていないニューラルネットワークを用いて、スナップショット圧縮画像(SCI)の再構成問題を解決することを検討する。 本稿では,DIP(Deep Image Priors)やディープデコーダ(Deep Decoder)といった未学習のニューラルネットワークにヒントを得て,DIPをプラグアンドプレイシステムに統合して,スペクトルSCI再構成のための自己教師型ネットワークを構築する。
  論文  参考訳（メタデータ） (2021-08-28T14:17:38Z)
• NeighCNN: A CNN based SAR Speckle Reduction using Feature preserving Loss Function [1.7188280334580193]
  NeighCNNは、乗法ノイズを処理するディープラーニングベースのスペックル削減アルゴリズムである。 様々な合成、および実際のSAR画像は、NeighCNNアーキテクチャのテストに使用される。
  論文  参考訳（メタデータ） (2021-08-26T04:20:07Z)
• 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)
• Unsupervised Learning of 3D Object Categories from Videos in the Wild [75.09720013151247]
  オブジェクトインスタンスの大規模なコレクションの複数のビューからモデルを学ぶことに重点を置いています。 再構成を大幅に改善するワープコンディショニングレイ埋め込み(WCR)と呼ばれる新しいニューラルネットワーク設計を提案する。 本評価は,既存のベンチマークを用いた複数の深部単眼再構成ベースラインに対する性能改善を示す。
  論文  参考訳（メタデータ） (2021-03-30T17:57:01Z)
• Spatio-Temporal Inception Graph Convolutional Networks for Skeleton-Based Action Recognition [126.51241919472356]
  我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。 ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
  論文  参考訳（メタデータ） (2020-11-26T14:43:04Z)
• Compressive spectral image classification using 3D coded convolutional neural network [12.67293744927537]
  本稿では、符号化開口スナップショット分光画像(CASSI)の測定に基づく新しい深層学習HIC手法を提案する。 3次元符号化畳み込みニューラルネットワーク(3D-CCNN)と呼ばれる新しいタイプのディープラーニング戦略を提案し,その分類問題を効率的に解く。 ディープラーニングネットワークと符号化開口部の相乗効果を利用して、分類精度を効果的に向上する。
  論文  参考訳（メタデータ） (2020-09-23T15:05:57Z)
• A Generalized Multi-Task Learning Approach to Stereo DSM Filtering in Urban Areas [5.908471365011942]
  都市のモデルと高さマップは、災害管理や都市計画といった多くの応用のための貴重なデータ源となっている。 既存のアプローチを一般化したフレームワークに統合するモジュール型マルチタスク学習の概念を提案する。 本手法は, 定量的, 定性的に, 共通データ上での手法の状態を常に上回り, 独立研究領域の新しいデータセットによく当てはまる。
  論文  参考訳（メタデータ） (2020-04-06T08:54:22Z)

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。