論文の概要: Hybrid Skip: A Biologically Inspired Skip Connection for the UNet
Architecture
- arxiv url: http://arxiv.org/abs/2207.04721v1
- Date: Mon, 11 Jul 2022 09:00:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-12 13:08:14.742700
- Title: Hybrid Skip: A Biologically Inspired Skip Connection for the UNet
Architecture
- Title(参考訳): Hybrid Skip: UNetアーキテクチャのための生物学的にインスパイアされたスキップ接続
- Authors: Nikolaos Zioulis, Georgios Albanis, Petros Drakoulis, Federico
Alvarez, Dimitrios Zarpalas, Petros Daras
- Abstract要約: 我々は,ハイブリッド画像の知覚的錯覚に依存するUNetアーキテクチャに対して,生物学的にインスパイアされた長距離スキップ接続を導入する。
提案したHybridSkip接続は、エッジ保存とテクスチャ転送アーティファクト間のトレードオフのバランスを改善する。
- 参考スコア(独自算出の注目度): 26.154697029057413
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this work we introduce a biologically inspired long-range skip connection
for the UNet architecture that relies on the perceptual illusion of hybrid
images, being images that simultaneously encode two images. The fusion of early
encoder features with deeper decoder ones allows UNet models to produce
finer-grained dense predictions. While proven in segmentation tasks, the
network's benefits are down-weighted for dense regression tasks as these
long-range skip connections additionally result in texture transfer artifacts.
Specifically for depth estimation, this hurts smoothness and introduces false
positive edges which are detrimental to the task due to the depth maps'
piece-wise smooth nature. The proposed HybridSkip connections show improved
performance in balancing the trade-off between edge preservation, and the
minimization of texture transfer artifacts that hurt smoothness. This is
achieved by the proper and balanced exchange of information that Hybrid-Skip
connections offer between the high and low frequency, encoder and decoder
features, respectively.
- Abstract(参考訳): 本研究では、2つの画像を同時に符号化する画像であるハイブリッド画像の知覚錯覚に依存するUNetアーキテクチャに対して、生物学的にインスパイアされた長距離スキップ接続を導入する。
初期のエンコーダ機能とより深いデコーダ機能との融合により、UNetモデルはよりきめ細かい密度予測を生成することができる。
セグメンテーションタスクで証明されているが、ネットワークの利点は、これらの長距離スキップ接続がテクスチャ転送アーティファクトを増加させるので、密集した回帰タスクで重み付けされる。
特に深度推定において、これは滑らかさを損なうとともに、深度マップの片方向の滑らかな性質のためにタスクに有害な偽陽性エッジを導入する。
提案するhybridskip接続は,エッジ保存とスムースを損なうテクスチャ伝達アーティファクトの最小化とのトレードオフのバランスが向上した。
これは、ハイブリット-スキップ接続が高周波数、低周波数、エンコーダ、デコーダのそれぞれに与える適切な情報交換によって達成される。
関連論文リスト
- Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。
CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。
DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文 参考訳(メタデータ) (2023-10-11T12:46:11Z) - Mutual Information-driven Triple Interaction Network for Efficient Image
Dehazing [54.168567276280505]
画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。
振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。
第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
論文 参考訳(メタデータ) (2023-08-14T08:23:58Z) - Expediting Building Footprint Segmentation from High-resolution Remote
Sensing Images via progressive lenient supervision [41.383234170349866]
学習効率と効率性を高めるために,BFSeg と表記される効率的なフレームワークを提案する。
具体的には、高密度に接続された粗大な特徴核融合デコーダネットワークで、スケールをまたいで簡単に高速な特徴核融合を容易にする。
我々は,ネットワークが深い監督から適切な知識を学べる,豊富な深層監視・蒸留戦略を提案する。
論文 参考訳(メタデータ) (2023-07-23T03:55:13Z) - Diffusion Hyperfeatures: Searching Through Time and Space for Semantic
Correspondence [126.08752458388206]
Diffusion Hyperfeaturesは、マルチスケールおよびマルチタイムステップの機能マップをピクセル単位の機能記述子に統合するためのフレームワークである。
提案手法は,SPair-71k実画像ベンチマークにおいて優れた性能を示す。
論文 参考訳(メタデータ) (2023-05-23T17:58:05Z) - Wavelet Prior Attention Learning in Axial Inpainting Network [35.06912946192495]
Axial Inpainting Network (WAIN) におけるウェーブレット事前注意学習モデルを提案する。
WPAは、マルチスケールの周波数領域における高レベルの特徴集約をガイドし、テキストアーティファクトを緩和する。
積み重ねられたATは、水平軸と垂直軸の低レベルの特徴とともに、合理的な特徴をモデル化するのに役立つ。
論文 参考訳(メタデータ) (2022-06-07T08:45:27Z) - SoftPool++: An Encoder-Decoder Network for Point Cloud Completion [93.54286830844134]
本稿では,ポイントクラウド完了作業のための新しい畳み込み演算子を提案する。
提案した演算子は、最大プールやボキセル化操作を一切必要としない。
提案手法は,低解像度・高解像度の形状仕上げにおける最先端性能を実現する。
論文 参考訳(メタデータ) (2022-05-08T15:31:36Z) - Sequential vessel segmentation via deep channel attention network [5.941874421818899]
本稿では,新しいエンコーダ・デコーダ・ディープネットワークアーキテクチャを提案する。
これは、現在のフレーム中心のスライディングウィンドウ内の2D+tシーケンシャル画像のコンテキストフレームを利用して、現在のフレームから2D容器マスクを分割する。
このアーキテクチャは、エンコーダ段階での時間空間的特徴抽出、スキップ接続層における特徴融合、デコーダ段階でのチャネルアテンション機構を備える。
論文 参考訳(メタデータ) (2021-02-10T02:45:08Z) - Towards Enhancing Fine-grained Details for Image Matting [40.17208660790402]
微視的詳細の復元は低レベルだが高精細なテクスチャの特徴に依存していると論じている。
本モデルは,従来のエンコーダデコーダセマンティックパスと,独立したダウンサンプリングフリーテクスチャ補償パスから構成される。
本手法は,Compposition-1kデータセットの以前の開始方法よりも優れている。
論文 参考訳(メタデータ) (2021-01-22T13:20:23Z) - Two-stream Encoder-Decoder Network for Localizing Image Forgeries [4.982505311411925]
本稿では,高レベル画像と低レベル画像の両方を利用する2ストリームエンコーダデコーダネットワークを提案する。
提案手法の性能評価のために,複数の標準法医学データセットの実験的検討を行った。
論文 参考訳(メタデータ) (2020-09-27T15:49:17Z) - Beyond Single Stage Encoder-Decoder Networks: Deep Decoders for Semantic
Image Segmentation [56.44853893149365]
セマンティックセグメンテーションのための単一エンコーダ-デコーダ手法は、セマンティックセグメンテーションの品質とレイヤー数あたりの効率の観点からピークに達している。
そこで本研究では,より多くの情報コンテンツを取得するために,浅層ネットワークの集合を用いたデコーダに基づく新しいアーキテクチャを提案する。
アーキテクチャをさらに改善するために,ネットワークの注目度を高めるために,クラスの再バランスを目的とした重み関数を導入する。
論文 参考訳(メタデータ) (2020-07-19T18:44:34Z) - Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。
この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。
また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文 参考訳(メタデータ) (2020-02-07T03:45:25Z)
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。