論文の概要: PyNET-QxQ: A Distilled PyNET for QxQ Bayer Pattern Demosaicing in CMOS
Image Sensor
- arxiv url: http://arxiv.org/abs/2203.04314v1
- Date: Tue, 8 Mar 2022 15:43:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-10 14:48:14.966993
- Title: PyNET-QxQ: A Distilled PyNET for QxQ Bayer Pattern Demosaicing in CMOS
Image Sensor
- Title(参考訳): PyNET-QxQ:CMOSイメージセンサにおけるQxQベイアパターンデモのための蒸留PyNET
- Authors: Minhyeok Cho, Haechang Lee, Hyunwoo Je, Kijeong Kim, Dongil Ryu, Jinsu
Kim, Jonghyun Bae, and Albert No
- Abstract要約: PyNET-QxQはQxQ CFAパターン用に設計された軽量ISPである。
QxQ画像(実際のQxQカメラセンサで観測)による実験は、PyNET-QxQの優れた性能を示す。
- 参考スコア(独自算出の注目度): 5.760377894620457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The deep learning-based ISP models for mobile cameras produce high-quality
images comparable to the professional DSLR camera. However, many of them are
computationally expensive, which may not be appropriate for mobile
environments. Also, the recent mobile cameras adopt non-Bayer CFAs (e.g., Quad
Bayer, Nona Bayer, and QxQ Bayer) to improve image quality; however, most deep
learning-based ISP models mainly focus on standard Bayer CFA. In this work, we
propose PyNET-QxQ based on PyNET, a light-weighted ISP explicitly designed for
the QxQ CFA pattern. The number of parameters of PyNET-QxQ is less than 2.5% of
PyNET. We also introduce a novel knowledge distillation technique, progressive
distillation, to train the compressed network effectively. Finally, experiments
with QxQ images (obtained by an actual QxQ camera sensor, under development)
demonstrate the outstanding performance of PyNET-QxQ despite significant
parameter reductions.
- Abstract(参考訳): モバイルカメラ用のディープラーニングベースのISPモデルは、プロのDSLRカメラに匹敵する高品質な画像を生成する。
しかし、それらの多くは計算コストが高く、モバイル環境には適していない可能性がある。
また、最近のモバイルカメラでは画質向上のために非バイヤーCFA(Quad Bayer、Nona Bayer、QxQ Bayerなど)を採用しているが、ほとんどのディープラーニングベースのISPモデルは標準のバイヤーCFAに重点を置いている。
本研究では,QxQ CFAパターンを明示的に設計した軽量ISPであるPyNETをベースとしたPyNET-QxQを提案する。
PyNET-QxQのパラメータ数はPyNETの2.5%以下である。
また,圧縮ネットワークを効果的に訓練するための新しい知識蒸留技術であるプログレッシブ蒸留法を提案する。
最後に、QxQ画像(開発中の実際のQxQカメラセンサで観測)による実験により、パラメータの大幅な減少にもかかわらず、PyNET-QxQの優れた性能を示す。
関連論文リスト
- Hybrid Quantum Neural Network Structures for Image Multi-classification [0.0]
2つの最近の画像分類手法が登場し、1つはPCA次元の縮小と角度符号化を採用し、もう1つはQNNをCNNに統合して性能を向上させる。
本研究では、これらのアルゴリズムの性能をマルチクラス画像分類において検討し、現在の環境に適した最適化されたハイブリッド量子ニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2023-08-30T12:48:05Z) - Inverting the Imaging Process by Learning an Implicit Camera Model [73.81635386829846]
本稿では,ディープニューラルネットワークとしてのカメラの物理画像処理を表現した,新しい暗黙カメラモデルを提案する。
本稿では,この暗黙カメラモデルが2つの逆撮像タスクに与える影響を実演する。
論文 参考訳(メタデータ) (2023-04-25T11:55:03Z) - MicroISP: Processing 32MP Photos on Mobile Devices with Deep Learning [114.66037224769005]
エッジデバイスに特化して設計された新しいMicroISPモデルを提案する。
提案したソリューションは,モバイルMLライブラリを使用して,最新のスマートフォン上で最大32MPの写真を処理できる。
モデルのアーキテクチャは柔軟で、計算能力の異なるデバイスに複雑性を調整することができる。
論文 参考訳(メタデータ) (2022-11-08T17:40:50Z) - PyNet-V2 Mobile: Efficient On-Device Photo Processing With Neural
Networks [115.97113917000145]
エッジデバイス用に設計された新しいPyNET-V2 Mobile CNNアーキテクチャを提案する。
提案アーキテクチャでは,携帯電話から直接RAW 12MPの写真を1.5秒で処理することができる。
提案したアーキテクチャは,最新のモバイルAIアクセラレータとも互換性があることが示されている。
論文 参考訳(メタデータ) (2022-11-08T17:18:01Z) - Evaluating the Stability of Deep Image Quality Assessment With Respect
to Image Scaling [43.291753358414255]
画像品質評価(IQA)は画像処理タスクの基本的な指標である。
本稿では,画像スケールがIQAの性能に影響を及ぼす要因であることを示す。
論文 参考訳(メタデータ) (2022-07-20T12:44:13Z) - Controllable Image Enhancement [66.18525728881711]
いくつかのパラメータを制御して、複数のスタイルで高品質な画像を生成できる半自動画像強調アルゴリズムを提案する。
エンコーダ・デコーダフレームワークは、リタッチスキルを潜在コードにエンコードし、イメージ信号処理機能のパラメータにデコードする。
論文 参考訳(メタデータ) (2022-06-16T23:54:53Z) - Classification of NEQR Processed Classical Images using Quantum Neural
Networks (QNN) [0.0]
この研究は、著者による以前の研究に基づいており、NEQR(NEQR)を用いた画像分類のためのQNNに対処している。
NEQRモデル回路を構築し、同じデータを前処理し、画像をQNNに入力する。
その結果,NEQRによるQNN性能がNEQRを使わずにQNNの性能を上回った際の限界改善(約5.0%)が認められた。
論文 参考訳(メタデータ) (2022-03-29T08:05:53Z) - PyNET-CA: Enhanced PyNET with Channel Attention for End-to-End Mobile
Image Signal Processing [32.7355302269855]
RAWからRGBへの再構築のためのエンドツーエンドのモバイルISPディープラーニングアルゴリズムであるPyNET-CAを提案する。
本稿では,AIM 2020 学習スマートフォン ISP チャレンジの結果と比較実験により,提案手法の性能を実証する。
論文 参考訳(メタデータ) (2021-04-07T03:40:11Z) - PAQ: 65 Million Probably-Asked Questions and What You Can Do With Them [70.09741980324912]
問合せ(QA)ペアを直接活用するオープンドメイン問合せ解答モデルは、スピードとメモリの点で有望である。
PAQを補完する新しいQAペアレトリバー、RePAQを紹介します。
PAQはテスト質問をプリエンプションし、キャッシュするので、RePAQは最近の検索・読み取りモデルの精度と一致させることができる。
論文 参考訳(メタデータ) (2021-02-13T23:43:45Z) - Replacing Mobile Camera ISP with a Single Deep Learning Model [171.49776472948957]
PyNETは、きめ細かい画像復元のために設計された新しいピラミッド型CNNアーキテクチャである。
このモデルは、モバイルカメラセンサーから直接得たRAW Bayerデータを、プロのハイエンドDSLRカメラで撮影した写真に変換するように訓練されている。
論文 参考訳(メタデータ) (2020-02-13T14:22:39Z)
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。