論文の概要: Implicit Transformer Network for Screen Content Image Continuous Super-Resolution

• arxiv url: http://arxiv.org/abs/2112.06174v1
• Date: Sun, 12 Dec 2021 07:39:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-15 12:34:32.633551
• Title: Implicit Transformer Network for Screen Content Image Continuous Super-Resolution
• Title（参考訳）: 画面コンテンツ連続超解像のためのインプシットトランスネットワーク
• Authors: Jingyu Yang, Sheng Shen, Huanjing Yue, Kun Li
• Abstract要約: 高分解能(HR)スクリーンの内容は、ダウンサンプリングされ圧縮されることがある。 低解像度(LR)画面コンテンツ画像(SCI)の超解像度(SR)は、HRディスプレイやユーザが詳細な観察のためにズームインするように要求される。 本稿では,SCISRのための新しいImplicit Transformer Super-Resolution Network(ITSRN)を提案する。
• 参考スコア（独自算出の注目度）: 27.28782217250359
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nowadays, there is an explosive growth of screen contents due to the wide application of screen sharing, remote cooperation, and online education. To match the limited terminal bandwidth, high-resolution (HR) screen contents may be downsampled and compressed. At the receiver side, the super-resolution (SR) of low-resolution (LR) screen content images (SCIs) is highly demanded by the HR display or by the users to zoom in for detail observation. However, image SR methods mostly designed for natural images do not generalize well for SCIs due to the very different image characteristics as well as the requirement of SCI browsing at arbitrary scales. To this end, we propose a novel Implicit Transformer Super-Resolution Network (ITSRN) for SCISR. For high-quality continuous SR at arbitrary ratios, pixel values at query coordinates are inferred from image features at key coordinates by the proposed implicit transformer and an implicit position encoding scheme is proposed to aggregate similar neighboring pixel values to the query one. We construct benchmark SCI1K and SCI1K-compression datasets with LR and HR SCI pairs. Extensive experiments show that the proposed ITSRN significantly outperforms several competitive continuous and discrete SR methods for both compressed and uncompressed SCIs.
• Abstract（参考訳）: 近年,画面共有,遠隔協調,オンライン教育の幅広い応用により,画面コンテンツの爆発的な増加がみられている。 限られた端末帯域幅に合わせるために、高解像度(HR)スクリーンの内容はダウンサンプリングされ圧縮される。 受信側では、低解像度(LR)画面コンテンツ画像(SCI)の超解像(SR)をHRディスプレイまたはユーザが詳細な観察のためにズームインするように要求する。 しかし、画像SR法は主に自然画像用に設計されているが、画像特性の相違や任意のスケールでのSCIブラウジングの必要性から、SCIの一般化には適していない。 そこで本研究では,SCISRのためのImplicit Transformer Super-Resolution Network (ITSRN)を提案する。 任意の割合で高品質な連続srに対して,提案する暗黙的トランスフォーマによってキー座標の画像特徴からクエリ座標の画素値を推定し,類似する隣接画素値をクエリに集約する暗黙的位置符号化方式を提案する。 ベンチマークSCI1KとSCI1K圧縮データセットをLRとHRSCIペアで構築する。 大規模な実験により、提案した ITSRN は、圧縮されたSCIと非圧縮されたSCIの両方に対して、いくつかの競合する連続的および離散的SR法より著しく優れていることが示された。

関連論文リスト

• OPE-SR: Orthogonal Position Encoding for Designing a Parameter-free Upsampling Module in Arbitrary-scale Image Super-Resolution [11.74426147465809]
  インプリシット・ニューラル表現(INR)は、任意のスケールの画像超解像に対する一般的なアプローチである。 我々は、任意のスケールの画像超解像のためにINRベースのアップサンプリングモジュールを置き換えるOPE-Upscaleモジュールを提案する。
  論文  参考訳（メタデータ） (2023-03-02T09:26:14Z)
• Reference-based Image and Video Super-Resolution via C2-Matching [100.0808130445653]
  本稿では,C2-Matchingを提案する。 C2-Matchingは、標準的なCUFED5ベンチマークにおいて、最先端のアーツを著しく上回っている。 また、類似シーンで撮影された画像がHR参照画像として機能するため、C2-Matchingを参照ベースでビデオスーパーリゾリューションタスクに拡張する。
  論文  参考訳（メタデータ） (2022-12-19T16:15:02Z)
• Contextual Learning in Fourier Complex Field for VHR Remote Sensing Images [64.84260544255477]
  変圧器を用いたモデルでは、一般解像度(224x224ピクセル)の自然画像から高次文脈関係を学習する優れた可能性を示した そこで本研究では,高次文脈情報のモデル化を行う複雑な自己意識(CSA)機構を提案する。 CSAブロックの様々な層を積み重ねることで、VHR空中画像からグローバルな文脈情報を学習するFourier Complex Transformer(FCT)モデルを提案する。
  論文  参考訳（メタデータ） (2022-10-28T08:13:33Z)
• ITSRN++: Stronger and Better Implicit Transformer Network for Continuous Screen Content Image Super-Resolution [32.441761727608856]
  提案手法は,SCI SR(x3 SRでは0.74dBのSwinIR性能)の最先端性能を実現し,自然画像SRにも有効である。 大規模なSCI2Kデータセットを構築し,SCI SRの研究を容易にする。
  論文  参考訳（メタデータ） (2022-10-17T07:47:34Z)
• CADyQ: Content-Aware Dynamic Quantization for Image Super-Resolution [55.50793823060282]
  本稿では,画像超解像(SR)ネットワークのための新しいコンテント・アウェア・ダイナミック量子化(CADyQ)手法を提案する。 CADyQは、入力画像のローカル内容に基づいて、局所領域と層に最適なビットを適応的に割り当てる。 パイプラインは様々なSRネットワークでテストされ、いくつかの標準ベンチマークで評価されている。
  論文  参考訳（メタデータ） (2022-07-21T07:50:50Z)
• SRWarp: Generalized Image Super-Resolution under Arbitrary Transformation [65.88321755969677]
  ディープCNNは、単一の画像超解像を含む画像処理とそのアプリケーションで大きな成功を収めています。 近年のアプローチでは、実測値のアップサンプリング要因にまで範囲を広げている。 任意の画像変換に向けてSRタスクをさらに一般化するSRWarpフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-21T02:50:41Z)
• 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)
• DDet: Dual-path Dynamic Enhancement Network for Real-World Image Super-Resolution [69.2432352477966]
  実画像超解像(Real-SR)は、実世界の高分解能画像(HR)と低分解能画像(LR)の関係に焦点を当てている。 本稿では,Real-SRのためのデュアルパス動的拡張ネットワーク(DDet)を提案する。 特徴表現のための大規模な畳み込みブロックを積み重ねる従来の手法とは異なり、非一貫性のある画像対を研究するためのコンテンツ認識フレームワークを導入する。
  論文  参考訳（メタデータ） (2020-02-25T18:24:51Z)

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。