論文の概要: Adaptive Dynamic Filtering Network for Image Denoising
- arxiv url: http://arxiv.org/abs/2211.12051v3
- Date: Mon, 3 Apr 2023 01:14:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 00:12:30.264057
- Title: Adaptive Dynamic Filtering Network for Image Denoising
- Title（参考訳）: 画像復調のための適応動的フィルタリングネットワーク
- Authors: Hao Shen, Zhong-Qiu Zhao, Wandi Zhang
- Abstract要約: 画像デノーミングネットワークでは、機能スケーリングは受動的フィールドサイズを拡大し、計算コストを削減するために広く利用されている。
本稿では、動的畳み込みを用いて、高周波およびマルチスケール特徴の学習を改善することを提案する。
我々は提案するDCBとAMDNetというMDCBを併用した効率的なデノベーションネットワークを構築した。
- 参考スコア（独自算出の注目度）: 8.61083713580388
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In image denoising networks, feature scaling is widely used to enlarge the
receptive field size and reduce computational costs. This practice, however,
also leads to the loss of high-frequency information and fails to consider
within-scale characteristics. Recently, dynamic convolution has exhibited
powerful capabilities in processing high-frequency information (e.g., edges,
corners, textures), but previous works lack sufficient spatial contextual
information in filter generation. To alleviate these issues, we propose to
employ dynamic convolution to improve the learning of high-frequency and
multi-scale features. Specifically, we design a spatially enhanced kernel
generation (SEKG) module to improve dynamic convolution, enabling the learning
of spatial context information with a very low computational complexity. Based
on the SEKG module, we propose a dynamic convolution block (DCB) and a
multi-scale dynamic convolution block (MDCB). The former enhances the
high-frequency information via dynamic convolution and preserves low-frequency
information via skip connections. The latter utilizes shared adaptive dynamic
kernels and the idea of dilated convolution to achieve efficient multi-scale
feature extraction. The proposed multi-dimension feature integration (MFI)
mechanism further fuses the multi-scale features, providing precise and
contextually enriched feature representations. Finally, we build an efficient
denoising network with the proposed DCB and MDCB, named ADFNet. It achieves
better performance with low computational complexity on real-world and
synthetic Gaussian noisy datasets. The source code is available at
https://github.com/it-hao/ADFNet.
- Abstract（参考訳）: 画像デノーミングネットワークでは、機能スケーリングは受動的フィールドサイズを拡大し、計算コストを削減するために広く利用されている。
しかし、この慣行は高周波情報の損失を招き、大規模な特性を考慮できない。
近年、動的畳み込みは高周波情報(エッジ、コーナー、テクスチャなど)の処理において強力な能力を発揮しているが、従来の作品はフィルタ生成における十分な空間的コンテクスト情報を欠いている。
これらの問題を緩和するため,我々は動的畳み込みを用いて高周波・マルチスケール特徴の学習を改善することを提案する。
具体的には,動的畳み込みを改善するために空間的に拡張されたカーネル生成(sekg)モジュールを設計し,計算量が非常に少ない空間的コンテキスト情報の学習を可能にした。
SEKG モジュールをベースとして,動的畳み込みブロック (DCB) とマルチスケール動的畳み込みブロック (MDCB) を提案する。
前者は動的畳み込みにより高周波情報を強化し、スキップ接続を介して低周波情報を保存する。
後者は、共有適応動的カーネルと拡張畳み込みの概念を利用して、効率的なマルチスケール特徴抽出を実現する。
提案するマルチディメンジョン機能統合(MFI)機構は,マルチスケール機能をさらに融合させ,正確かつコンテキストに富んだ特徴表現を提供する。
最後に,adfnet と呼ばれる dcb と mdcb を用いた効率的な分別ネットワークを構築する。
実世界および合成ガウスノイズデータセットにおける計算複雑性の低い性能を実現する。
ソースコードはhttps://github.com/it-hao/ADFNetで入手できる。
関連論文リスト
- Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。
ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。
主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
論文 参考訳（メタデータ） (2024-03-15T07:18:43Z) - Multi-scale Adaptive Fusion Network for Hyperspectral Image Denoising [35.491878332394265]
マルチスケール・アダプティブ・フュージョン・ネットワーク(MAFNet)を用いたHSI復調手法を提案する。
提案したMAFNetは、他の最先端技術よりも性能が向上している。
論文 参考訳（メタデータ） (2023-04-19T02:00:21Z) - Spatially-Adaptive Feature Modulation for Efficient Image
Super-Resolution [90.16462805389943]
視覚変換器(ViT)のようなブロック上に,空間適応型特徴変調(SAFM)機構を開発する。
提案法は最先端のSR法よりも3倍程度小さい。
論文 参考訳（メタデータ） (2023-02-27T14:19:31Z) - Multi-stage image denoising with the wavelet transform [125.2251438120701]
深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。
動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
論文 参考訳（メタデータ） (2022-09-26T03:28:23Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z) - Spectral Transform Forms Scalable Transformer [1.19071399645846]
この研究は自己注意の哲学から学び、情報的長距離時間相互作用を用いた効率的なスペクトルベースの神経ユニットを提案する。
開発されたスペクトルウィンドウユニット(SW)モデルは、保証された効率でスケーラブルな動的グラフを予測する。
論文 参考訳（メタデータ） (2021-11-15T08:46:01Z) - MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。
我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。
重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文 参考訳（メタデータ） (2021-07-22T03:10:51Z) - Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。
実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。
ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
論文 参考訳（メタデータ） (2021-03-15T12:54:26Z)
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。