論文の概要: Photothermal-SR-Net: A Customized Deep Unfolding Neural Network for Photothermal Super Resolution Imaging

• arxiv url: http://arxiv.org/abs/2104.10563v1
• Date: Wed, 21 Apr 2021 14:41:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-22 17:10:38.077158
• Title: Photothermal-SR-Net: A Customized Deep Unfolding Neural Network for Photothermal Super Resolution Imaging
• Title（参考訳）: photothermal-sr-net:光熱分解能イメージングのためのニューラルネットワーク
• Authors: Samim Ahmadi, Linh K\"astner, Jan Christian Hauffen, Peter Jung, Mathias Ziegler
• Abstract要約: 本論文では, 基礎物理を考慮した深部展開によるデコンボリューションを行う光熱SR-Netを提案する。 光熱SR-Netは、各畳み込み層の得られた熱画像に訓練されたブロック分散しきい値を適用します。
• 参考スコア（独自算出の注目度）: 9.160910754837756
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents deep unfolding neural networks to handle inverse problems in photothermal radiometry enabling super resolution (SR) imaging. Photothermal imaging is a well-known technique in active thermography for nondestructive inspection of defects in materials such as metals or composites. A grand challenge of active thermography is to overcome the spatial resolution limitation imposed by heat diffusion in order to accurately resolve each defect. The photothermal SR approach enables to extract high-frequency spatial components based on the deconvolution with the thermal point spread function. However, stable deconvolution can only be achieved by using the sparse structure of defect patterns, which often requires tedious, hand-crafted tuning of hyperparameters and results in computationally intensive algorithms. On this account, Photothermal-SR-Net is proposed in this paper, which performs deconvolution by deep unfolding considering the underlying physics. This enables to super resolve 2D thermal images for nondestructive testing with a substantially improved convergence rate. Since defects appear sparsely in materials, Photothermal-SR-Net applies trained block-sparsity thresholding to the acquired thermal images in each convolutional layer. The performance of the proposed approach is evaluated and discussed using various deep unfolding and thresholding approaches applied to 2D thermal images. Subsequently, studies are conducted on how to increase the reconstruction quality and the computational performance of Photothermal-SR-Net is evaluated. Thereby, it was found that the computing time for creating high-resolution images could be significantly reduced without decreasing the reconstruction quality by using pixel binning as a preprocessing step.
• Abstract（参考訳）: 本稿では,超解像(SR)イメージングを実現する光熱放射計における逆問題に対処する深部展開ニューラルネットワークを提案する。 光熱イメージングは、金属や複合材料などの材料の欠陥を非破壊的に検査するための、アクティブサーモグラフィーにおいてよく知られている技術である。 アクティブサーモグラフィーの大きな課題は、熱拡散による空間分解能の限界を克服し、それぞれの欠陥を正確に解決することである。 光熱SR法により、熱点拡散関数によるデコンボリューションに基づく高周波空間成分の抽出が可能となる。 しかし、安定なデコンボリューションは欠陥パターンのスパース構造を使用することでのみ達成できる。 本報告では, 基礎物理を考慮した深部展開によるデコンボリューションを行う光熱SR-Netを提案する。 これにより、収束率を大幅に改善した非破壊検査用2次元熱画像の超解像が可能となる。 材料に欠陥が乏しいため、光熱-sr-netは各畳み込み層内の取得した熱画像に訓練されたブロックスパーシティしきい値を適用する。 提案手法の性能を2次元熱画像に応用した深部展開法としきい値設定法を用いて評価・検討した。 その後,光熱SR-Netの再現性向上と計算性能の向上について検討した。 その結果,画素ビニングを前処理として使用することにより,再構成品質を低下させることなく,高解像度画像作成の計算時間を著しく短縮できることがわかった。

関連論文リスト

• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。 また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Reti-Diff: Illumination Degradation Image Restoration with Retinex-based Latent Diffusion Model [59.08821399652483]
  照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。 これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。 我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。 Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
  論文  参考訳（メタデータ） (2023-11-20T09:55:06Z)
• CoReFusion: Contrastive Regularized Fusion for Guided Thermal Super-Resolution [0.0]
  超解像法は、低コストで低解像度の熱センサーを用いて、高精度な高解像度熱画像の再現を行うことができる。 熱画像のガイド超解像のための新しいデータ融合フレームワークと正規化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-03T14:21:41Z)
• Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
  本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。 本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。 一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
  論文  参考訳（メタデータ） (2022-10-09T13:50:12Z)
• Recurrent Super-Resolution Method for Enhancing Low Quality Thermal Facial Data [1.7289819674602296]
  我々は,非冷却熱カメラから取得した低分解能熱画像データの品質を向上させるために,新しいマルチイメージ超解像リカレントニューラルネットワークを提案し,開発した。 このネットワークは、4倍の超高解像度の検証データセット上で平均ピーク信号とノイズ比を39.24で達成し、定量的にも定性的にもバイキュービックよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-21T16:44:06Z)
• Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
  バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。 このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。 熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
  論文  参考訳（メタデータ） (2022-04-06T19:47:41Z)
• Hierarchical Conditional Flow: A Unified Framework for Image Super-Resolution and Image Rescaling [139.25215100378284]
  画像SRと画像再スケーリングのための統合フレームワークとして階層的条件フロー(HCFlow)を提案する。 HCFlowは、LR画像と残りの高周波成分の分布を同時にモデル化することにより、HRとLR画像ペア間のマッピングを学習する。 さらに性能を高めるために、知覚的損失やGAN損失などの他の損失と、トレーニングで一般的に使用される負の対数類似損失とを組み合わせる。
  論文  参考訳（メタデータ） (2021-08-11T16:11:01Z)
• Hierarchical Temperature Imaging Using Pseudo-Inversed Convolutional Neural Network Aided TDLAS Tomography [16.39189394591311]
  畳み込みニューラルネットワーク(CNN)は、画像再構成においてより堅牢で正確であることが証明されている。 階層型温度イメージングのためのPseudo-Inversed CNN(PI-CNN)を提案する。
  論文  参考訳（メタデータ） (2021-06-05T14:14:41Z)
• Boosting Image Super-Resolution Via Fusion of Complementary Information Captured by Multi-Modal Sensors [21.264746234523678]
  イメージスーパーレゾリューション(sr)は、低解像度光センサの画質を向上させる有望な技術である。 本稿では,安価なチャネル(可視・深度)からの補完情報を活用して,少ないパラメータを用いて高価なチャネル(熱)の画像品質を向上させる。
  論文  参考訳（メタデータ） (2020-12-07T02:15:28Z)
• Pyramidal Edge-maps and Attention based Guided Thermal Super-resolution [28.798966778371145]
  可視領域画像を用いた熱画像の誘導超解像(GSR)は、画像間のスペクトル範囲の違いにより困難である。 可視画像から抽出したピラミッド状エッジマップに基づくGSRの新しいアルゴリズムを提案する。 我々のモデルは、定量的にも定性的にも、最先端のGSR法よりも優れています。
  論文  参考訳（メタデータ） (2020-03-13T12:11:26Z)

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。