論文の概要: Super-resolved multi-temporal segmentation with deep
permutation-invariant networks
- arxiv url: http://arxiv.org/abs/2204.02631v1
- Date: Wed, 6 Apr 2022 07:19:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-07 22:49:29.687318
- Title: Super-resolved multi-temporal segmentation with deep
permutation-invariant networks
- Title(参考訳): 深い置換不変ネットワークを用いた超解極多重時間分割
- Authors: Diego Valsesia, Enrico Magli
- Abstract要約: 超解像推論問題を研究することにより,従来の画像再構成を超える高分解能化を実現した。
分割タスクに必要な豊富な意味情報を推測できる多分解能融合モジュールを用いた時間変分不変性を利用したモデルを提案する。
この論文で提示されたモデルは、最近、エンハンストセンチネル2農業に関するAI4EOチャレンジで優勝した。
- 参考スコア(独自算出の注目度): 28.09290310071686
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-image super-resolution from multi-temporal satellite acquisitions of a
scene has recently enjoyed great success thanks to new deep learning models. In
this paper, we go beyond classic image reconstruction at a higher resolution by
studying a super-resolved inference problem, namely semantic segmentation at a
spatial resolution higher than the one of sensing platform. We expand upon
recently proposed models exploiting temporal permutation invariance with a
multi-resolution fusion module able to infer the rich semantic information
needed by the segmentation task. The model presented in this paper has recently
won the AI4EO challenge on Enhanced Sentinel 2 Agriculture.
- Abstract(参考訳): シーンのマルチ時間衛星からのマルチイメージ超解像は、新しいディープラーニングモデルにより、最近大きな成功を収めている。
本稿では,超解像推論問題である意味セグメンテーションをセンシングプラットフォームよりも高い空間分解能で検討することで,従来の画像再構成をより高い解像度で達成する。
分割タスクに必要なリッチな意味情報を推測できる多分解能融合モジュールを用いて,時間的置換不変性を利用した最近のモデルを拡張した。
この論文で提示されたモデルは、最近、強化センチネル2農業に関するAI4EOチャレンジで優勝した。
関連論文リスト
- Style Transfer and Self-Supervised Learning Powered Myocardium
Infarction Super-Resolution Segmentation [2.8494788038731373]
本研究では,新しいスタイル伝達モデルと同時超解像・分割モデルを組み合わせたパイプラインを提案する。
提案するパイプラインは、拡散テンソルイメージング(DTI)画像を後期ガドリニウム強調(LGE)領域に翻訳することで、画像の拡散テンソルイメージング(DTI)を強化することを目的としている。
低分解能LGE型DTI画像から高分解能マスクを生成するために、エンドツーエンドの超解像分割モデルを導入する。
論文 参考訳(メタデータ) (2023-09-27T08:32:33Z) - Scale-aware Super-resolution Network with Dual Affinity Learning for
Lesion Segmentation from Medical Images [50.76668288066681]
低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。
提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
論文 参考訳(メタデータ) (2023-05-30T14:25:55Z) - Learning Resolution-Adaptive Representations for Cross-Resolution Person
Re-Identification [49.57112924976762]
低解像度(LR)クエリIDイメージと高解像度(HR)ギャラリーイメージとの整合性を実現する。
実際のカメラとの違いにより、クエリ画像が分解能の低下に悩まされることがしばしばあるため、これは困難かつ実用的な問題である。
本稿では,問合せ画像の解像度に適応する動的計量を用いて,HRとLRの画像を直接比較するためのSRフリーなパラダイムについて検討する。
論文 参考訳(メタデータ) (2022-07-09T03:49:51Z) - Look Back and Forth: Video Super-Resolution with Explicit Temporal
Difference Modeling [105.69197687940505]
本稿では,LR空間とHR空間における時間差の明示的モデル化の役割について検討する。
超解像結果をさらに高めるために、空間残留特徴を抽出するだけでなく、高周波領域における連続フレーム間の差も計算する。
論文 参考訳(メタデータ) (2022-04-14T17:07:33Z) - AF$_2$: Adaptive Focus Framework for Aerial Imagery Segmentation [86.44683367028914]
航空画像のセグメンテーションにはいくつかの独特な課題があり、中でも最も重要なものは前景と背景のアンバランスにある。
本稿では,階層的なセグメンテーション手法を採用し,マルチスケール表現を適応的に活用するAdaptive Focus Framework (AF$)を提案する。
AF$は、広く使われている3つの航空ベンチマークの精度を大幅に改善した。
論文 参考訳(メタデータ) (2022-02-18T10:14:45Z) - Sci-Net: a Scale Invariant Model for Building Detection from Aerial
Images [0.0]
本研究では,空間分解能の異なる空間画像に存在している建物を分割できるスケール不変ニューラルネットワーク(Sci-Net)を提案する。
具体的には,U-Netアーキテクチャを改良し,それを高密度なASPP(Atrous Space Pyramid Pooling)で融合し,微細なマルチスケール表現を抽出した。
論文 参考訳(メタデータ) (2021-11-12T16:45:20Z) - Densely connected multidilated convolutional networks for dense
prediction tasks [25.75557472306157]
密結合多重化DenseNet(D3Net)と呼ばれる新しいCNNアーキテクチャを提案する。
D3Netは、異なる解像度を同時にモデル化するために単一の層に異なる拡張因子を持つ新しい多重化畳み込みを含む。
Cityscapes を用いた画像セマンティックセグメンテーションタスクと MUSDB18 を用いた音源分離タスクの実験により,提案手法は最先端手法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2020-11-21T05:15:12Z) - Interpretable Deep Multimodal Image Super-Resolution [23.48305854574444]
マルチモーダル画像超解像(Multimodal image super- resolution, SR)は、高分解能画像の再構成である。
本稿では,結合した疎結合を組み込んだマルチモーダルディープネットワーク設計を行い,他のモーダルからの情報を再構成プロセスに効果的に融合させる。
論文 参考訳(メタデータ) (2020-09-07T14:08:35Z) - Multiscale Deep Equilibrium Models [162.15362280927476]
マルチスケールディープ均衡モデル(MDEQ)を新たに提案する。
MDEQは、複数の特徴分解の平衡点を直接解き、同時に伝播する。
本稿では,Cityscapesデータセットの高解像度画像に対するイメージネット分類とセマンティックセグメンテーションの2つの大規模ビジョンタスクにおけるこのアプローチの有効性について述べる。
論文 参考訳(メタデータ) (2020-06-15T18:07:44Z) - Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。
ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。
提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
論文 参考訳(メタデータ) (2020-03-15T11:04:30Z) - Multimodal Deep Unfolding for Guided Image Super-Resolution [23.48305854574444]
ディープラーニング手法は、低解像度の入力から高解像度の出力へのエンドツーエンドのマッピングを学習するために、トレーニングデータに依存する。
本稿では,スパース事前を組み込んだマルチモーダル深層学習設計を提案し,他の画像モダリティからの情報をネットワークアーキテクチャに効果的に統合する。
提案手法は,サイド情報を用いた畳み込みスパース符号化の反復的アルゴリズムに類似した,新しい展開演算子に依存している。
論文 参考訳(メタデータ) (2020-01-21T14:41:53Z)
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。