論文の概要: CISRNet: Compressed Image Super-Resolution Network

• arxiv url: http://arxiv.org/abs/2201.06045v1
• Date: Sun, 16 Jan 2022 13:21:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-21 12:08:33.632635
• Title: CISRNet: Compressed Image Super-Resolution Network
• Title（参考訳）: CISRNet:圧縮画像超解像ネットワーク
• Authors: Agus Gunawan, Sultan Rizky Hikmawan Madjid
• Abstract要約: 本稿では,主に圧縮画像超解問題に最適化された2段階の粗粒度学習フレームワークを用いたCISRNetを提案する。 注意深い設計選択により、CISRNetは圧縮画像超解法において競合する単一画像超解法に対して好意的に機能する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, tons of research has been conducted on Single Image Super-Resolution (SISR). However, to the best of our knowledge, few of these studies are mainly focused on compressed images. A problem such as complicated compression artifacts hinders the advance of this study in spite of its high practical values. To tackle this problem, we proposed CISRNet; a network that employs a two-stage coarse-to-fine learning framework that is mainly optimized for Compressed Image Super-Resolution Problem. Specifically, CISRNet consists of two main subnetworks; the coarse and refinement network, where recursive and residual learning is employed within these two networks respectively. Extensive experiments show that with a careful design choice, CISRNet performs favorably against competing Single-Image Super-Resolution methods in the Compressed Image Super-Resolution tasks.
• Abstract（参考訳）: 近年,Single Image Super-Resolution (SISR) の研究が盛んに行われている。 しかし、私たちの知る限りでは、これらの研究のほとんどが圧縮画像に焦点を当てている。 複雑な圧縮アーティファクトのような問題は、その高い実用的価値にもかかわらず、この研究の進展を妨げる。 この問題を解決するために,主に圧縮画像超解問題に最適化された2段階の粗度学習フレームワークを用いたCISRNetを提案する。 具体的には、CISRNetは2つの主要なサブネットワーク、粗いネットワークと洗練ネットワークで構成され、これら2つのネットワークでそれぞれ再帰学習と残留学習が使用される。 大規模な実験により、CISRNetは慎重に設計することで、圧縮画像超解法において競合する単一画像超解法に対して好意的に機能することが示された。

関連論文リスト

• Sewer Image Super-Resolution with Depth Priors and Its Lightweight Network [11.13549330516683]
  クイックビュー(QV)技術は下水道システム内の欠陥を検出する主要な方法である。 超解像度は画像品質を改善する効果的な方法であり、様々な場面で応用されている。 本研究では, DSRNet で表される新しい深層誘導参照型超解法フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-27T14:45:34Z)
• RDRN: Recursively Defined Residual Network for Image Super-Resolution [58.64907136562178]
  深部畳み込みニューラルネットワーク(CNN)は、単一画像超解像において顕著な性能を得た。 本稿では,注目ブロックを効率的に活用する新しいネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-11-17T11:06:29Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Deep Networks for Image and Video Super-Resolution [30.75380029218373]
  単一画像超解像(SISR)は、MDCB(Mixed-Dense connection block)と呼ばれる効率的な畳み込みユニットを用いて構築される。 ネットワークの2つのバージョンをトレーニングし、異なる損失構成を用いて相補的な画像品質を向上させる。 ネットワークは複数のフレームから情報を集約し,時間的整合性を維持するために学習する。
  論文  参考訳（メタデータ） (2022-01-28T09:15:21Z)
• Towards Compact Single Image Super-Resolution via Contrastive Self-distillation [47.72815893585127]
  畳み込みニューラルネットワーク(CNN)は超解像(SR)に対して高い成功を収めている 本稿では,市販SRモデルの同時圧縮と高速化を目的とした,新しいコントラスト自己蒸留(CSD)フレームワークを提案する。 特に、チャネル分割型超解像ネットワークは、まずターゲットの教師ネットワークからコンパクトな学生ネットワークとして構築することができる。
  論文  参考訳（メタデータ） (2021-05-25T05:44:11Z)
• Deep Iterative Residual Convolutional Network for Single Image Super-Resolution [31.934084942626257]
  我々は、ISRResCNet(Deep Iterative Super-Resolution Residual Convolutional Network)を提案する。 残差学習アプローチを用いて、深層ネットワークを反復的に訓練することにより、強力な画像正規化と大規模最適化手法を活用する。 トレーニング可能なパラメータがいくつかある本手法は,最先端の手法と比較して,異なるスケーリング要因に対する結果を改善する。
  論文  参考訳（メタデータ） (2020-09-07T12:54:14Z)
• Real Image Super Resolution Via Heterogeneous Model Ensemble using GP-NAS [63.48801313087118]
  本稿では,高密度スキップ接続を有するディープ残差ネットワークを用いた画像超解像法を提案する。 提案手法は、AIM 2020 Real Image Super-Resolution Challengeの3トラックで1位を獲得した。
  論文  参考訳（メタデータ） (2020-09-02T22:33:23Z)
• Cascade Convolutional Neural Network for Image Super-Resolution [15.650515790147189]
  画像超解像のためのカスケード畳み込みニューラルネットワーク(CSRCNN)を提案する。 異なるスケールのイメージを同時にトレーニングすることができ、学習されたネットワークは、異なるスケールのイメージに存在する情報をフル活用することができる。
  論文  参考訳（メタデータ） (2020-08-24T11:34:03Z)
• Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
  本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。 特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
  論文  参考訳（メタデータ） (2020-03-02T13:28:32Z)
• 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。