論文の概要: Towards Boosting the Channel Attention in Real Image Denoising : Sub-band Pyramid Attention

• arxiv url: http://arxiv.org/abs/2012.12481v1
• Date: Wed, 23 Dec 2020 04:28:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 05:34:52.587750
• Title: Towards Boosting the Channel Attention in Real Image Denoising : Sub-band Pyramid Attention
• Title（参考訳）: 実画像の注目度向上に向けて : サブバンド・ピラミッド・アテンション
• Authors: Huayu Li, Haiyu Wu, Xiwen Chen, Hanning Zhang, and Abolfazl Razi
• Abstract要約: 本稿では,ウェーブレットサブバンドピラミッドをベースとした新しいサブバンドピラミッドアテンション(SPA)を提案し,抽出した特徴の周波数成分を再検討する。 実画像デノイジング用に設計されたネットワーク上にSPAブロックを装備します。 実験の結果,提案手法は顕著な改善が得られた。
• 参考スコア（独自算出の注目度）: 3.264560291660082
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Convolutional layers in Artificial Neural Networks (ANN) treat the channel features equally without feature selection flexibility. While using ANNs for image denoising in real-world applications with unknown noise distributions, particularly structured noise with learnable patterns, modeling informative features can substantially boost the performance. Channel attention methods in real image denoising tasks exploit dependencies between the feature channels, hence being a frequency component filtering mechanism. Existing channel attention modules typically use global statics as descriptors to learn the inter-channel correlations. This method deems inefficient at learning representative coefficients for re-scaling the channels in frequency level. This paper proposes a novel Sub-band Pyramid Attention (SPA) based on wavelet sub-band pyramid to recalibrate the frequency components of the extracted features in a more fine-grained fashion. We equip the SPA blocks on a network designed for real image denoising. Experimental results show that the proposed method achieves a remarkable improvement than the benchmark naive channel attention block. Furthermore, our results show how the pyramid level affects the performance of the SPA blocks and exhibits favorable generalization capability for the SPA blocks.
• Abstract（参考訳）: ニューラルネットワーク(ANN)の畳み込みレイヤは、機能選択の柔軟性のないチャネル機能を等しく扱う。 未知のノイズ分布を持つ実世界のアプリケーション、特に学習可能なパターンを持つ構造化ノイズでは、画像のデノイジングにannを使用すると、有益な機能をモデリングすることで、パフォーマンスが大幅に向上する可能性がある。 実画像のノイズ除去タスクにおけるチャネルアテンションメソッドは、機能チャネル間の依存性を利用するため、周波数成分フィルタリングのメカニズムとなる。 既存のチャンネルアテンションモジュールは通常、チャネル間の相関を学ぶためにデリプタとしてグローバル静的を使用する。 本手法は、周波数レベルでチャネルを再スケーリングするための代表係数の学習において非効率であると考える。 本稿では,ウェーブレットサブバンドピラミッドに基づく新しいサブバンドピラミッド注意(SPA)を提案し,抽出した特徴の周波数成分をよりきめ細かな方法で再検討する。 実画像復調用に設計されたネットワーク上にSPAブロックを配置する。 実験の結果,提案手法は,ベンチマークナイーブチャネルアテンションブロックよりも著しい改善が得られた。 さらに, ピラミッドレベルがSPAブロックの性能にどのように影響するかを示し, SPAブロックに対して良好な一般化能力を示す。

関連論文リスト

• TBSN: Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
  BSN(Blind-spot Network)は、自己教師型イメージデノベーション(SSID)において一般的なネットワークアーキテクチャである。 本稿では, ブラインドスポット要求を満たす変圧器演算子の解析と再設計により, 変圧器ベースブラインドスポットネットワーク(TBSN)を提案する。 空間的自己注意のために、注意行列に精巧なマスクを適用して受容場を制限し、拡張された畳み込みを模倣する。 チャネル自己アテンションについては,マルチスケールアーキテクチャの深層部において,チャネル数が空間的サイズよりも大きい場合,盲点情報を漏洩する可能性がある。
  論文  参考訳（メタデータ） (2024-04-11T15:39:10Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• Hyperspectral Image Denoising via Self-Modulating Convolutional Neural Networks [15.700048595212051]
  相関スペクトルと空間情報を利用した自己変調畳み込みニューラルネットワークを提案する。 モデルの中心には新しいブロックがあり、隣り合うスペクトルデータに基づいて、ネットワークが適応的に特徴を変換することができる。 合成データと実データの両方の実験解析により,提案したSM-CNNは,他の最先端HSI復調法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-15T06:57:43Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Multi-stage image denoising with the wavelet transform [125.2251438120701]
  深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。 動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
  論文  参考訳（メタデータ） (2022-09-26T03:28:23Z)
• CE-FPN: Enhancing Channel Information for Object Detection [12.954675966833372]
  特徴ピラミッドネットワーク(FPN)は,オブジェクト検出におけるマルチスケール特徴の抽出に有効なフレームワークである。 3つのシンプルで効果的なモジュールを備えた新しいチャネル強化ネットワーク(CE-FPN)を提示し、これらの問題を軽減します。 実験の結果, CE-FPNはMS COCOベンチマークの最先端FPN検出器と比較して, 競争性能が向上していることがわかった。
  論文  参考訳（メタデータ） (2021-03-19T05:51:53Z)
• Learning Spatial and Spatio-Temporal Pixel Aggregations for Image and Video Denoising [104.59305271099967]
  ピクセル集計ネットワークを提示し、画像デノイジングのためのピクセルサンプリングと平均戦略を学びます。 時間空間にまたがるサンプル画素をビデオデノナイズするための画素集約ネットワークを開発した。 本手法は,動的シーンにおける大きな動きに起因する誤認問題を解決することができる。
  論文  参考訳（メタデータ） (2021-01-26T13:00:46Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)
• Channel-Attention Dense U-Net for Multichannel Speech Enhancement [21.94418736688929]
  我々は、ビームフォーミングを模倣するチャネルアテンション機構をディープアーキテクチャ内に導入する。 我々は,CHiME-3データセットの最先端アプローチに対して,ネットワークの優れた性能を示す。
  論文  参考訳（メタデータ） (2020-01-30T19:56:52Z)

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。