論文の概要: Pyramidal Dense Attention Networks for Lightweight Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2106.06996v1
• Date: Sun, 13 Jun 2021 13:49:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 16:00:17.350540
• Title: Pyramidal Dense Attention Networks for Lightweight Image Super-Resolution
• Title（参考訳）: 軽量画像超解像のためのピラミッド密度注意ネットワーク
• Authors: Huapeng Wu, Jie Gui, Jun Zhang, James T. Kwok, Zhihui Wei
• Abstract要約: 深部畳み込みニューラルネットワーク法は画像超解像において優れた性能を達成した。 軽量画像超解像のためのピラミッド型高密度アテンションネットワーク(PDAN)を提案する。 本手法は,最先端の軽量SR法と比較して優れた性能を実現する。
• 参考スコア（独自算出の注目度）: 37.58180059860872
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, deep convolutional neural network methods have achieved an excellent performance in image superresolution (SR), but they can not be easily applied to embedded devices due to large memory cost. To solve this problem, we propose a pyramidal dense attention network (PDAN) for lightweight image super-resolution in this paper. In our method, the proposed pyramidal dense learning can gradually increase the width of the densely connected layer inside a pyramidal dense block to extract deep features efficiently. Meanwhile, the adaptive group convolution that the number of groups grows linearly with dense convolutional layers is introduced to relieve the parameter explosion. Besides, we also present a novel joint attention to capture cross-dimension interaction between the spatial dimensions and channel dimension in an efficient way for providing rich discriminative feature representations. Extensive experimental results show that our method achieves superior performance in comparison with the state-of-the-art lightweight SR methods.
• Abstract（参考訳）: 近年,深部畳み込み型ニューラルネットワークは画像超解像(SR)において優れた性能を発揮しているが,メモリコストが大きいため,組込みデバイスでは容易には適用できない。 この問題を解決するために,本論文では,軽量画像超解像のためのピラミッド型高密度注意ネットワーク(PDAN)を提案する。 提案手法では,ピラミッド状密集ブロック内の密集層幅を徐々に増やすことで,深い特徴を効率的に抽出することができる。 一方, 群数が線形に増大する適応群畳み込みと, 密畳み込み層はパラメータ爆発を緩和するために導入された。 さらに, 空間次元とチャネル次元の相互次元相互作用を, リッチな識別的特徴表現を提供するための効率的な方法で捉えるための, 新たな共同注意点も提示する。 その結果,本手法は最先端の軽量SR法と比較して優れた性能を示すことがわかった。

関連論文リスト

• DSR-Diff: Depth Map Super-Resolution with Diffusion Model [38.68563026759223]
  本稿では,遅延空間内の拡散モデルを用いて,深度マップの超解像誘導を行う新しいCDSRパラダイムを提案する。 提案手法は,最先端手法と比較して,広範囲な実験において優れた性能を示した。
  論文  参考訳（メタデータ） (2023-11-16T14:18:10Z)
• Guided Depth Super-Resolution by Deep Anisotropic Diffusion [18.445649181582823]
  誘導異方性拡散と深層畳み込みネットワークを組み合わせた新しい手法を提案する。 誘導深度超解像のための3つの一般的なベンチマークで前例のない結果を得た。
  論文  参考訳（メタデータ） (2022-11-21T15:48:13Z)
• Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image Denoising [50.039949798156826]
  本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。 ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。 次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
  論文  参考訳（メタデータ） (2022-07-09T13:35:12Z)
• Deep Posterior Distribution-based Embedding for Hyperspectral Image Super-resolution [75.24345439401166]
  本稿では,高スペクトル画像の高次元空間スペクトル情報を効率的に効率的に埋め込む方法について述べる。 我々は,HS埋め込みを,慎重に定義されたHS埋め込みイベントの集合の後方分布の近似として定式化する。 そして,提案手法を物理的に解釈可能なソース一貫性超解像フレームワークに組み込む。 3つの一般的なベンチマークデータセットに対する実験により、PDE-Netは最先端の手法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-05-30T06:59:01Z)
• Hybrid Pixel-Unshuffled Network for Lightweight Image Super-Resolution [64.54162195322246]
  畳み込みニューラルネットワーク(CNN)は画像超解像(SR)において大きな成功を収めた ほとんどのディープCNNベースのSRモデルは、高い性能を得るために大量の計算を処理している。 SRタスクに効率的かつ効果的なダウンサンプリングモジュールを導入することで,HPUN(Hybrid Pixel-Unshuffled Network)を提案する。
  論文  参考訳（メタデータ） (2022-03-16T20:10:41Z)
• Shallow Network Based on Depthwise Over-Parameterized Convolution for Hyperspectral Image Classification [0.7329200485567825]
  本稿では,畳み込みニューラルネットワーク(CNN)を用いたハイパースペクトル画像分類(HSIC)の浅層モデルを提案する。 提案手法は、分類精度と計算効率の観点から、他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2021-12-01T03:10:02Z)
• DDCNet: Deep Dilated Convolutional Neural Network for Dense Prediction [0.0]
  受容場(ERF)とネットワーク内の空間的特徴の高分解能は、高分解能密度推定を提供することに不可欠である。 空間的特徴の解像度を高く保ちながら、より大きな受容場を提供できるネットワークアーキテクチャを設計するための体系的なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-09T23:15:34Z)
• 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)
• Spatial-Spectral Residual Network for Hyperspectral Image Super-Resolution [82.1739023587565]
  ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。 提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。 各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
  論文  参考訳（メタデータ） (2020-01-14T03:34:55Z)

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。