論文の概要: SLLEN: Semantic-aware Low-light Image Enhancement Network
- arxiv url: http://arxiv.org/abs/2211.11571v1
- Date: Mon, 21 Nov 2022 15:29:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 21:28:10.740030
- Title: SLLEN: Semantic-aware Low-light Image Enhancement Network
- Title(参考訳): sllen: 意味認識による低光度画像強調ネットワーク
- Authors: Mingye Ju, Charles A. Guo, Chuheng Chen, Jinshan Pan, Jinhui Tang, and
Dacheng Tao
- Abstract要約: 低照度画像強調のための2分岐意味認識LLEネットワーク(SLLEN)を開発した。
一つのブランチでは、HSFを低レベル機能に統合するためのアテンションメカニズムを利用する。
他方のブランチでは、低レベルの特徴の調整をガイドするためにIEFを抽出する。
- 参考スコア(独自算出の注目度): 123.44639609889802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: How to effectively explore semantic feature is vital for low-light image
enhancement (LLE). Existing methods usually utilize the semantic feature that
is only drawn from the semantic map produced by high-level semantic
segmentation network (SSN). However, if the semantic map is not accurately
estimated, it would affect the high-level semantic feature (HSF) extraction,
which accordingly interferes with LLE. In this paper, we develop a simple yet
effective two-branch semantic-aware LLE network (SLLEN) that neatly integrates
the random intermediate embedding feature (IEF) (i.e., the information
extracted from the intermediate layer of semantic segmentation network)
together with the HSF into a unified framework for better LLE. Specifically,
for one branch, we utilize an attention mechanism to integrate HSF into
low-level feature. For the other branch, we extract IEF to guide the adjustment
of low-level feature using nonlinear transformation manner. Finally,
semantic-aware features obtained from two branches are fused and decoded for
image enhancement. It is worth mentioning that IEF has some randomness compared
to HSF despite their similarity on semantic characteristics, thus its
introduction can allow network to learn more possibilities by leveraging the
latent relationships between the low-level feature and semantic feature, just
like the famous saying "God rolls the dice" in Physics Nobel Prize 2022.
Comparisons between the proposed SLLEN and other state-of-the-art techniques
demonstrate the superiority of SLLEN with respect to LLE quality over all the
comparable alternatives.
- Abstract(参考訳): 低照度画像強調(LLE)には,意味的特徴を効果的に探索する方法が不可欠である。
既存の手法は通常、高レベルセマンティックセグメンテーションネットワーク(SSN)によって生成されたセマンティックマップからのみ引き出されるセマンティック機能を利用する。
しかし、セマンティックマップが正確に推定されていない場合、LLEに干渉するハイレベルセマンティック特徴抽出(HSF)に影響を与える。
本稿では, セマンティックセグメンテーションネットワークの中間層から抽出した情報を, HSFとともに, ランダムな中間埋め込み機能(IEF)を, より優れたLLEを実現するための統一フレームワークに統合する, シンプルかつ効果的な2分岐セマンティックアウェアLLEネットワーク(SLLEN)を開発した。
具体的には,HSFを低レベル機能に統合するための注意機構を利用する。
他方では,非線形変換手法を用いて低レベル特徴の調整を導くために ief を抽出する。
最後に、2つの枝から得られる意味認識機能を融合し、画像強調のためにデコードする。
IEFは、意味的特徴に類似しているにもかかわらず、HSFと比較してランダム性があるため、その導入により、2022年のノーベル物理学賞の「神がサイコロを巻く」という有名な言葉と同じように、低レベル特徴と意味的特徴の間の潜む関係を活用することで、ネットワークがより多くの可能性を学ぶことができる。
提案したSLLENと他の最先端技術との比較は、SLLENのLLE品質に対する優位性を示している。
関連論文リスト
- Continual Learning: Forget-free Winning Subnetworks for Video
Representations [75.40220771931132]
タスク性能の面でのサブネットワーク(WSN)の勝利は、様々な連続学習タスクに対して考慮される。
タスクインクリメンタルラーニング(TIL)のシナリオにおいて,既存のネットワークからの重みを有効活用し,効率的な学習を実現する。
ビデオインクリメンタルラーニング(VIL)におけるWSN内のフーリエサブニューラル演算子(FSO)の利用
論文 参考訳(メタデータ) (2023-12-19T09:11:49Z) - AAFACE: Attribute-aware Attentional Network for Face Recognition [9.766991422985598]
本稿では,ソフトバイオメトリック(SB)予測を補助モダリティとして同時に実行し,顔認識(FR)を主課題とする新しいマルチブランチニューラルネットワークを提案する。
提案するネットワークAAFaceは、SB属性を利用してFR表現の識別能力を向上する。
提案するAAIモジュールは,コンテキスト認識だけでなく,入力機能間の複雑な関係を学習する能力も備えている。
論文 参考訳(メタデータ) (2023-08-14T16:24:35Z) - High-Similarity-Pass Attention for Single Image Super-Resolution [81.56822938033118]
非局所的注意(NLA)分野における最近の進歩は、自己相似性に基づく単一画像超解像(SISR)への新たな関心につながっている。
高相似性パスアテンション(HSPA)を得るための簡潔で効果的なソフトしきい値設定操作を導入する。
HSPAの有効性を実証するため,我々はHSPAN(Deep High-Similarity-pass attention network)を構築した。
論文 参考訳(メタデータ) (2023-05-25T06:24:14Z) - TEFL: Turbo Explainable Federated Learning for 6G Trustworthy Zero-Touch
Network Slicing [0.4588028371034407]
第6世代(6G)ネットワークは、多数の共存および異種スライスをサポートすることを期待している。
実際のデプロイメントにおけるAIブラックボックスの信頼性は、説明可能なAI(XAI)ツールによって達成できる。
本稿では,ターボの原理にヒントを得て,新しい反復的説明可能なフェデレーションラーニング(FL)手法を提案する。
論文 参考訳(メタデータ) (2022-10-18T20:26:56Z) - Learning Aligned Cross-Modal Representation for Generalized Zero-Shot
Classification [17.177622259867515]
一般化ゼロショット分類(GZSC)のためのアラインド・クロスモーダル表現(adigned Cross-Modal Representations, ACMR)の学習による革新的オートエンコーダネットワークを提案する。
具体的には,学習型分類器によって導かれる潜在部分空間上でのクロスモーダルな潜在特徴のアライメントを強化するために,新しい視覚・セマンティックアライメント(VSA)法を提案する。
さらに,潜伏変数の識別能力を高めるとともに,潜伏変数が崩壊する可能性を低減するための新しい情報拡張モジュール (IEM) を提案する。
論文 参考訳(メタデータ) (2021-12-24T03:35:37Z) - Self-Ensembling GAN for Cross-Domain Semantic Segmentation [107.27377745720243]
本稿では,セマンティックセグメンテーションのためのクロスドメインデータを利用した自己理解型生成逆数ネットワーク(SE-GAN)を提案する。
SE-GANでは、教師ネットワークと学生ネットワークは、意味分節マップを生成するための自己組織化モデルを構成する。
その単純さにもかかわらず、SE-GANは敵の訓練性能を大幅に向上させ、モデルの安定性を高めることができる。
論文 参考訳(メタデータ) (2021-12-15T09:50:25Z) - Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。
IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。
IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
論文 参考訳(メタデータ) (2021-03-02T08:20:08Z) - Multi-Knowledge Fusion for New Feature Generation in Generalized
Zero-Shot Learning [4.241513887019675]
本稿では,複数知識からより汎用的な特徴を学習するための新しい生成的zsl法を提案する。
提案手法は,複数のZSLタスクに対する多数のベンチマークにおいて,既存の最先端手法と比較して,性能が大幅に向上することを示す。
論文 参考訳(メタデータ) (2021-02-23T09:11:05Z) - PIN: A Novel Parallel Interactive Network for Spoken Language
Understanding [68.53121591998483]
既存の RNN ベースのアプローチでは、ID と SF のタスクは、それらの間の相関情報を利用するために、しばしば共同でモデル化される。
SNIPSとATISという2つのベンチマークデータセットによる実験は、我々のアプローチの有効性を実証している。
さらに,事前学習した言語モデルBERTが生成した発話の特徴埋め込みを用いて,提案手法はすべての比較手法の中で最先端の手法を実現する。
論文 参考訳(メタデータ) (2020-09-28T15:59:31Z)
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。