論文の概要: CSwin2SR: Circular Swin2SR for Compressed Image Super-Resolution
- arxiv url: http://arxiv.org/abs/2301.08749v1
- Date: Fri, 20 Jan 2023 13:39:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 16:42:57.647990
- Title: CSwin2SR: Circular Swin2SR for Compressed Image Super-Resolution
- Title(参考訳): CSwin2SR:超解像圧縮用円形スウィン2SR
- Authors: Honggui Li, Maria Trocan, Mohamad Sawan, Dimitri Galayko
- Abstract要約: CSwin2SRは、超解像回復能力において古典的なSwin2SRを劇的に上回っている。
DIV2Kテストおよび有効なデータセットでは、PSNRの平均増分は1dB以上であり、関連するSSIMの平均増分は0.006以上である。
- 参考スコア(独自算出の注目度): 1.8753565966603134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Closed-loop negative feedback mechanism is extensively utilized in automatic
control systems and brings about extraordinary dynamic and static performance.
In order to further improve the reconstruction capability of current methods of
compressed image super-resolution, a circular Swin2SR (CSwin2SR) approach is
proposed. The CSwin2SR contains a serial Swin2SR for initial super-resolution
reestablishment and circular Swin2SR for enhanced super-resolution
reestablishment. Simulated experimental results show that the proposed CSwin2SR
dramatically outperforms the classical Swin2SR in the capacity of
super-resolution recovery. On DIV2K test and valid datasets, the average
increment of PSNR is greater than 1dB and the related average increment of SSIM
is greater than 0.006.
- Abstract(参考訳): クローズドループ負帰還機構は自動制御システムで広く利用され、異常な動的および静的な性能をもたらす。
圧縮画像超解像の現在の方法の再構築能力をさらに向上するために,円形Swin2SR (CSwin2SR) アプローチを提案する。
cswin2srは、初期スーパーレゾリューション再確立のためのシリアルswin2srと、拡張スーパーレゾリューション再確立のための円形swin2srを含む。
シミュレーション実験の結果,提案したCSwin2SRは,超解像回復能力において従来のSwin2SRよりも劇的に優れていた。
DIV2Kテストおよび有効なデータセットでは、PSNRの平均増分は1dB以上であり、関連するSSIMの平均増分は0.006以上である。
関連論文リスト
- Transforming Image Super-Resolution: A ConvFormer-based Efficient
Approach [63.98380888730723]
本稿では, Convolutional Transformer Layer (ConvFormer) と ConvFormer-based Super-Resolution Network (CFSR) を紹介する。
CFSRは、計算コストの少ない長距離依存と広範囲の受容場を効率的にモデル化する。
これは、x2 SRタスクのUrban100データセットで0.39dB、パラメータが26%、FLOPが31%減少している。
論文 参考訳(メタデータ) (2024-01-11T03:08:00Z) - S2R: Exploring a Double-Win Transformer-Based Framework for Ideal and
Blind Super-Resolution [5.617008573997855]
軽量トランスを用いたSRモデル(S2Rトランス)と新しい粗大なトレーニング戦略を提案する。
提案したS2Rは、578Kパラメータしか持たない理想的なSR条件で他の単一像SRモデルより優れている。
ブラインドファジィ環境では、通常のブラインドSRモデルよりも、わずか10のグラデーションアップデートでより良い視覚結果が得られる。
論文 参考訳(メタデータ) (2023-08-16T04:27:44Z) - RBSR: Efficient and Flexible Recurrent Network for Burst
Super-Resolution [57.98314517861539]
バースト超解像(BurstSR)は、高解像度(HR)画像を低解像度(LR)画像と雑音画像から再構成することを目的としている。
本稿では,効率よくフレキシブルなリカレントネットワークでフレーム単位のキューを融合させることを提案する。
論文 参考訳(メタデータ) (2023-06-30T12:14:13Z) - EBSR: Enhanced Binary Neural Network for Image Super-Resolution [18.93043462670991]
画像超解像のための量子ネットワーク、特にバイナリニューラルネットワーク(BNN)は、大きな性能劣化に悩まされている。
本稿では,より空間的・チャネル的情報を保持することにより,二元的畳み込みを増大させる,空間的再スケーリングとチャネル的シフトと再スケーリングの2つの効果的な手法を提案する。
EBSRと呼ばれる提案モデルは,異なるデータセットと異なるモデルサイズにまたがって,定量的かつ質的に先行技術よりも優れた性能を示す。
論文 参考訳(メタデータ) (2023-03-22T02:36:13Z) - Reference-based Image and Video Super-Resolution via C2-Matching [100.0808130445653]
本稿では,C2-Matchingを提案する。
C2-Matchingは、標準的なCUFED5ベンチマークにおいて、最先端のアーツを著しく上回っている。
また、類似シーンで撮影された画像がHR参照画像として機能するため、C2-Matchingを参照ベースでビデオスーパーリゾリューションタスクに拡張する。
論文 参考訳(メタデータ) (2022-12-19T16:15:02Z) - DCS-RISR: Dynamic Channel Splitting for Efficient Real-world Image
Super-Resolution [15.694407977871341]
実世界の画像超解像(RISR)は、未知の複雑な劣化下でのSR画像の品質向上に重点を置いている。
既存の手法は、分解レベルが異なる低解像度(LR)画像を強化するために重いSRモデルに依存している。
本稿では,DCS-RISRと呼ばれる高効率リアルタイム画像超解法のための動的チャネル分割方式を提案する。
論文 参考訳(メタデータ) (2022-12-15T04:34:57Z) - Single Image Super-Resolution Using Lightweight Networks Based on Swin
Transformer [2.9649783577150837]
我々は、Swin Transformerに基づくMSwinSRとUGSwinSRという2つの軽量モデルを提案する。
MSwinSRは、最先端のSwinIRと比較してPSNRを$mathbf0.07dB$で増加させる。
パラメータの数は$mathbf30.68%$で、計算コストは$mathbf9.936%$で削減できる。
論文 参考訳(メタデータ) (2022-10-20T05:03:16Z) - Joint Learning Content and Degradation Aware Feature for Blind
Super-Resolution [37.99541178081113]
CDSRと呼ばれるコンテンツと劣化SRネットワークを提案する。
提案したCDSRは既存のUDPモデルより優れ,PSNRおよびSSIM上での競合性能を実現している。
論文 参考訳(メタデータ) (2022-08-29T09:12:39Z) - Robust Reference-based Super-Resolution via C2-Matching [77.51610726936657]
超解像(Ref-SR)は、最近、高分解能(HR)参照画像を導入して、低分解能(LR)入力画像を強化するための有望なパラダイムとして登場した。
既存のRef-SR法は主に暗黙の対応に頼り、参照画像からHRテクスチャを借用し、入力画像の情報損失を補う。
本稿では,C2-Matchingを提案する。
論文 参考訳(メタデータ) (2021-06-03T16:40:36Z) - DDet: Dual-path Dynamic Enhancement Network for Real-World Image
Super-Resolution [69.2432352477966]
実画像超解像(Real-SR)は、実世界の高分解能画像(HR)と低分解能画像(LR)の関係に焦点を当てている。
本稿では,Real-SRのためのデュアルパス動的拡張ネットワーク(DDet)を提案する。
特徴表現のための大規模な畳み込みブロックを積み重ねる従来の手法とは異なり、非一貫性のある画像対を研究するためのコンテンツ認識フレームワークを導入する。
論文 参考訳(メタデータ) (2020-02-25T18:24:51Z) - Characteristic Regularisation for Super-Resolving Face Images [81.84939112201377]
既存の顔画像超解像法(SR)は、主に人工的にダウンサンプリングされた低解像度(LR)画像の改善に焦点を当てている。
従来の非教師なしドメイン適応(UDA)手法は、未ペアの真のLRとHRデータを用いてモデルをトレーニングすることでこの問題に対処する。
これにより、視覚的特徴を構成することと、画像の解像度を高めることの2つのタスクで、モデルをオーバーストレッチする。
従来のSRモデルとUDAモデルの利点を結合する手法を定式化する。
論文 参考訳(メタデータ) (2019-12-30T16:27:24Z)
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。