論文の概要: Encoder-Decoder Network with Guided Transmission Map: Architecture --
Extended Abstract
- arxiv url: http://arxiv.org/abs/2212.05936v1
- Date: Wed, 7 Dec 2022 08:16:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 18:50:28.242539
- Title: Encoder-Decoder Network with Guided Transmission Map: Architecture --
Extended Abstract
- Title(参考訳): 誘導伝送マップを有するエンコーダデコーダネットワーク:アーキテクチャ-拡張抽象
- Authors: Le-Anh Tran, Dong-Chul Park
- Abstract要約: EDN-GTMは、ネットワークの入力として、ダークチャネル事前(DCP)アプローチによって推定される対応する送信マップと合わせて、従来のRGBハジー画像を取る。
結果として得られたEDN-GDMは、PSNRとSSIMメトリクスの観点から、ベンチマークのデハージングデータセット上で最先端のパフォーマンスを示している。
- 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: An insight into the architecture of the Encoder-Decoder Network with Guided
Transmission Map (EDN-GTM), a novel and effective single image dehazing scheme,
is presented in this paper. The EDN-GTM takes a conventional RGB hazy image in
conjunction with the corresponding transmission map estimated by the dark
channel prior (DCP) approach as inputs of the network. The EDN-GTM adopts an
enhanced structure of U-Net developed for dehazing tasks and the resulting
EDN-GDM has shown state-of-the-art performances on benchmark dehazing datasets
in terms of PSNR and SSIM metrics. In order to give an in-depth understanding
of the well-designed architecture which largely contributes to the success of
the EDN-GTM, extensive experiments and analysis from selecting the core
structure of the scheme to investigating advanced network designs are presented
in this paper.
- Abstract(参考訳): 本稿では,新規かつ効果的な単一画像復調方式であるEDN-GTMを用いたエンコーダ・デコーダネットワークのアーキテクチャについて考察する。
EDN-GTMは、ネットワークの入力として、ダークチャネル事前(DCP)アプローチによって推定される対応する送信マップと合わせて、従来のRGBハジー画像を取る。
EDN-GTMは、タスクのデハージングのために開発されたU-Netの強化された構造を採用し、その結果のEDN-GDMは、PSNRとSSIMのメトリクスでベンチマークデハージングデータセットに最先端のパフォーマンスを示す。
本稿では,EDN-GTMの成功に大きく貢献するよく設計されたアーキテクチャを深く理解するために,高度なネットワーク設計を調査するためのスキームの中核構造を選択するための広範な実験と分析について述べる。
関連論文リスト
- Improving Graph Convolutional Networks with Transformer Layer in
social-based items recommendation [0.20718016474717196]
論文の主な焦点は、ネットワークにノードを埋め込むためのエンコーダアーキテクチャである。
実験の結果,提案アーキテクチャは従来のリンク予測タスクにおいてGCNよりも優れた性能を示すことがわかった。
論文 参考訳(メタデータ) (2024-01-12T08:07:09Z) - Network Alignment with Transferable Graph Autoencoders [87.28177782039265]
本稿では,強力で堅牢なノード埋め込みを抽出するグラフオートエンコーダアーキテクチャを提案する。
生成した埋め込みがグラフの固有値と固有ベクトルと結びついていることを証明する。
提案フレームワークは転送学習とデータ拡張を利用して,大規模なネットワークアライメントを実現する。
論文 参考訳(メタデータ) (2023-10-05T02:58:29Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳(メタデータ) (2023-06-08T06:15:17Z) - Visual Feature Encoding for GNNs on Road Networks [14.274582421372308]
視覚バックボーンネットワークとグラフニューラルネットワークを組み合わせたアーキテクチャを提案する。
衛星画像の符号化により,オープンストリートマップ道路網上で道路型分類タスクを行う。
アーキテクチャによりさらに微調整が可能となり,事前学習により伝達学習のアプローチが評価される。
論文 参考訳(メタデータ) (2022-03-02T15:37:50Z) - A Novel Encoder-Decoder Network with Guided Transmission Map for Single
Image Dehazing [0.0]
提案するEDN-GTMは,ネットワークの入力に先立って暗黒チャネルを用いて推定した従来のRGBハジー画像を送信マップと併用する。
提案したEDN-GTMは,PSNRとSSIMの指標を用いて,従来型および深層学習に基づく画像デハージング方式よりも優れていた。
論文 参考訳(メタデータ) (2022-02-08T03:57:36Z) - ADMM-DAD net: a deep unfolding network for analysis compressed sensing [20.88999913266683]
圧縮センシング解析のためのADMMアルゴリズムに基づく新しい深部展開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は、スパーシフィケーションのための冗長解析演算子を共同で学習し、関心のシグナルを再構成する。
論文 参考訳(メタデータ) (2021-10-13T18:56:59Z) - Semi-Supervised Learning for Channel Charting-Aided IoT Localization in
Millimeter Wave Networks [97.66522637417636]
ミリ波ネットワークにおけるチャネルチャート(CC)支援の新たな枠組みを提案する。
特に,無線機器の3次元位置を推定するために,畳み込み型オートエンコーダモデルを提案する。
フレームワークは半教師付きフレームワークに拡張され、オートエンコーダは2つのコンポーネントに分割される。
論文 参考訳(メタデータ) (2021-08-03T14:41:38Z) - Multi-channel Deep Supervision for Crowd Counting [92.39562949707815]
MDS(Multi- Channel Deep Supervision)と呼ばれる新しい監視フレームワークを提案する。
MDSは、密度マップの生成を支援するために、推定モデルのデコーダをチャネルワイズで監視する。
異なるチャネルの正確な監視情報を得るために、MDSNetはSupervisionNet(SN)と呼ばれる補助ネットワークを使用している。
論文 参考訳(メタデータ) (2021-03-17T10:33:58Z) - A Deep-Unfolded Reference-Based RPCA Network For Video
Foreground-Background Separation [86.35434065681925]
本稿では,ロバスト主成分分析(RPCA)問題に対するディープアンフォールディングに基づくネットワーク設計を提案する。
既存の設計とは異なり,本手法は連続するビデオフレームのスパース表現間の時間的相関をモデル化することに焦点を当てている。
移動MNISTデータセットを用いた実験により、提案したネットワークは、ビデオフォアグラウンドとバックグラウンドの分離作業において、最近提案された最先端のRPCAネットワークより優れていることが示された。
論文 参考訳(メタデータ) (2020-10-02T11:40:09Z) - MSDPN: Monocular Depth Prediction with Partial Laser Observation using
Multi-stage Neural Networks [1.1602089225841632]
深層学習に基づくマルチステージネットワークアーキテクチャであるMulti-Stage Depth Prediction Network (MSDPN)を提案する。
MSDPNは2次元LiDARと単眼カメラを用いて深度マップを予測する。
実験により,本ネットワークは最先端手法に対して有望な性能を示す。
論文 参考訳(メタデータ) (2020-08-04T08:27:40Z) - Obtaining Faithful Interpretations from Compositional Neural Networks [72.41100663462191]
NLVR2およびDROPデータセット上でNMNの中間出力を評価する。
中間出力は期待出力と異なり,ネットワーク構造がモデル動作の忠実な説明を提供していないことを示す。
論文 参考訳(メタデータ) (2020-05-02T06:50:35Z)
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。