論文の概要: Lightweight Spatial-Channel Adaptive Coordination of Multilevel
Refinement Enhancement Network for Image Reconstruction
- arxiv url: http://arxiv.org/abs/2209.08337v1
- Date: Sat, 17 Sep 2022 14:15:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 19:32:43.123292
- Title: Lightweight Spatial-Channel Adaptive Coordination of Multilevel
Refinement Enhancement Network for Image Reconstruction
- Title（参考訳）: 画像再構成のための多レベル改良強化ネットワークの軽量空間チャネル適応協調
- Authors: Yuxi Cai, Huicheng Lai, Zhenghong Jia
- Abstract要約: 本稿では,マルチレベル改良ネットワークの空間チャネル適応調整を軽量に行う。
簡単な線形結合操作により,アテンションモジュール間の通信ブリッジを確立する。
我々のMRENは、非常に少ないパラメータと非常に少ない計算量を持つ他の高度なアルゴリズムよりも優れた性能を達成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Benefiting from the vigorous development of deep learning, many CNN-based
image super-resolution methods have emerged and achieved better results than
traditional algorithms. However, it is difficult for most algorithms to
adaptively adjust the spatial region and channel features at the same time, let
alone the information exchange between them. In addition, the exchange of
information between attention modules is even less visible to researchers. To
solve these problems, we put forward a lightweight spatial-channel adaptive
coordination of multilevel refinement enhancement networks(MREN). Specifically,
we construct a space-channel adaptive coordination block, which enables the
network to learn the spatial region and channel feature information of interest
under different receptive fields. In addition, the information of the
corresponding feature processing level between the spatial part and the channel
part is exchanged with the help of jump connection to achieve the coordination
between the two. We establish a communication bridge between attention modules
through a simple linear combination operation, so as to more accurately and
continuously guide the network to pay attention to the information of interest.
Extensive experiments on several standard test sets have shown that our MREN
achieves superior performance over other advanced algorithms with a very small
number of parameters and very low computational complexity.
- Abstract（参考訳）: ディープラーニングの活発な開発により、多くのcnnベースの画像超解像手法が出現し、従来のアルゴリズムよりも優れた結果を得た。
しかし,ほとんどのアルゴリズムでは,情報交換だけでなく,空間領域とチャネルの特徴を同時に適応的に調整することは困難である。
さらに、注意モジュール間の情報交換は研究者にとってさらに目立たない。
これらの問題を解決するために,マルチレベル改良ネットワーク(MREN)の軽量な空間チャネル適応調整を行った。
具体的には,異なる受容場下でネットワークが興味のある空間領域とチャネル特徴情報を学習できる空間チャネル適応協調ブロックを構築する。
また、空間部とチャネル部との間の対応する特徴処理レベルの情報をジャンプ接続の助けを借りて交換し、両者の調整を実現する。
注意モジュール間の通信ブリッジを単純な線形結合操作で構築し、より正確に連続的にネットワークを誘導し、関心のある情報に注意を向ける。
いくつかの標準テストセットに対する大規模な実験により、MRENは、非常に少数のパラメータと非常に少ない計算複雑性を持つ他の高度なアルゴリズムよりも優れた性能を達成できることが示された。
関連論文リスト
- Remote Sensing Image Segmentation Using Vision Mamba and Multi-Scale Multi-Frequency Feature Fusion [9.098711843118629]
本稿では、状態空間モデル(SSM)を導入し、視覚マンバ(CVMH-UNet)に基づく新しいハイブリッドセマンティックセマンティックネットワークを提案する。
本手法は、クロス2Dスキャン(CS2D)を用いて、複数の方向からグローバル情報をフルにキャプチャする、クロス走査型視覚状態空間ブロック(CVSSBlock)を設計する。
ローカル情報取得におけるビジョン・マンバ(VMamba)の制約を克服するために畳み込みニューラルネットワークのブランチを組み込むことにより、このアプローチはグローバル機能とローカル機能の両方の包括的な分析を促進する。
論文 参考訳（メタデータ） (2024-10-08T02:17:38Z) - DRSI-Net: Dual-Residual Spatial Interaction Network for Multi-Person Pose Estimation [7.418828517897727]
本稿では,MPPEのための2次元空間相互作用ネットワーク(DRSI-Net)を提案する。
他の手法と比較して、DRSI-Netは隣接する特徴について空間的情報通信を行う。
提案したDRSI-Netは、他の最先端の手法よりも精度と複雑さが優れている。
論文 参考訳（メタデータ） (2024-02-26T15:10:22Z) - Learning Decentralized Traffic Signal Controllers with Multi-Agent Graph
Reinforcement Learning [42.175067773481416]
我々は,空間的時間的相関を捉えるために,環境観測性を改善した新しい分散制御アーキテクチャを設計する。
具体的には,道路ネットワークに収集された非構造データから相関関連情報を抽出するトポロジ対応情報集約戦略を開発する。
拡散畳み込みモジュールが開発され、新しいMARLアルゴリズムが作成され、エージェントにグラフ学習の能力を与える。
論文 参考訳（メタデータ） (2023-11-07T06:43:15Z) - Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna
Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。
本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。
シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文 参考訳（メタデータ） (2023-01-20T17:06:34Z) - SufrinNet: Toward Sufficient Cross-View Interaction for Stereo Image
Enhancement in The Dark [119.01585302856103]
低照度ステレオ画像強調(LLSIE)は、暗黒環境で撮影された視覚的に不快なステレオ画像の品質を高めるための比較的新しいタスクである。
1)クロスビューの相互作用が不十分なこと,2)ビュー内学習に長距離依存が欠如していること,である。
SufrinNet(SufrinNet)を用いた新しいLLSIEモデルを提案する。
論文 参考訳（メタデータ） (2022-11-02T04:01:30Z) - Low Complexity Channel estimation with Neural Network Solutions [1.0499453838486013]
我々は、ダウンリンクシナリオでチャネル推定を実現するために、一般的な残差畳み込みニューラルネットワークをデプロイする。
チャネル推定における他のディープラーニング手法と比較して,平均二乗誤差計算の改善が示唆された。
論文 参考訳（メタデータ） (2022-01-24T19:55:10Z) - Single Image Super-Resolution via a Holistic Attention Network [87.42409213909269]
本稿では,階層,チャネル,位置間の全体的相互依存性をモデル化するための新しい全体論的注意ネットワーク(HAN)を提案する。
提案したHANは階層的特徴を適応的に強調し,層間相関を考慮した。
実験により、提案HANは、最先端の単一画像超解像アプローチに対して好適に機能することが示された。
論文 参考訳（メタデータ） (2020-08-20T04:13:15Z) - Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。
接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。
この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
論文 参考訳（メタデータ） (2020-08-19T04:53:31Z) - Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral
Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。
3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文 参考訳（メタデータ） (2020-07-10T08:08:20Z) - Depthwise Non-local Module for Fast Salient Object Detection Using a
Single Thread [136.2224792151324]
本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。
提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文 参考訳（メタデータ） (2020-01-22T15:23:48Z) - Hybrid Multiple Attention Network for Semantic Segmentation in Aerial
Images [24.35779077001839]
グローバルな相関関係を適応的に捉えるために,Hybrid Multiple Attention Network (HMANet) という新しいアテンションベースのフレームワークを提案する。
本稿では,機能的冗長性を低減し,自己注意機構の効率を向上させるため,単純で効果的な領域シャッフルアテンション(RSA)モジュールを提案する。
論文 参考訳（メタデータ） (2020-01-09T07:47:51Z)
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。