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

• WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
  深部画像登録は異常な精度と高速な推測を示した。 近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。 本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
  論文  参考訳（メタデータ） (2024-07-18T11:51:01Z)
• HybridFlow: Infusing Continuity into Masked Codebook for Extreme Low-Bitrate Image Compression [51.04820313355164]
  HyrbidFlowは、連続的な機能ベースのストリームとコードブックベースのストリームを組み合わせることで、極めて低い条件下で高い知覚品質と高い忠実性を実現する。 実験の結果、超低速で複数のデータセットにまたがる優れた性能が示された。
  論文  参考訳（メタデータ） (2024-04-20T13:19:08Z)
• 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)
• Diffusion Hyperfeatures: Searching Through Time and Space for Semantic Correspondence [88.00004819064672]
  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)
• 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。