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
- AnySR: Realizing Image Super-Resolution as Any-Scale, Any-Resource [84.74855803555677]
我々はAnySRを導入し、既存の任意のスケールのSRメソッドを任意のソース実装に再構築する。
私たちのAnySRは、1)任意のスケールタスクを任意のリソース実装として構築し、追加のパラメータなしで小さなスケールのリソース要件を減らします。
その結果,AnySR は SISR タスクをより効率的な計算方法で実装し,既存の任意のスケールの SISR メソッドに匹敵する性能を示した。
論文 参考訳(メタデータ) (2024-07-05T04:00:14Z) - Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。
より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。
我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
論文 参考訳(メタデータ) (2024-05-08T11:09:24Z) - Fortifying Fully Convolutional Generative Adversarial Networks for Image Super-Resolution Using Divergence Measures [17.517010701323823]
超解像(英: Super-Resolution, SR)は、時間制限された画像処理問題である。
本稿では,SRのためのGANベースのアーキテクチャを提案する。
本稿では,GAN発生器の深度を増大させることで得られる差分畳み込み特性を,学習可能な凸重みの集合で最適に組み合わせることができることを示す。
論文 参考訳(メタデータ) (2024-04-09T13:19:43Z) - Exploiting Self-Supervised Constraints in Image Super-Resolution [72.35265021054471]
本稿では,SSC-SRと呼ばれる単一画像超解像のための新しい自己監督制約を提案する。
SSC-SRは、安定性を高めるために指数移動平均によって更新された二重非対称パラダイムとターゲットモデルを用いることで、画像の複雑さのばらつきに一意に対処する。
SSC-SRフレームワークはさまざまなベンチマークデータセットに対して,EDSR平均0.1dB,SwinIR平均0.06dBの大幅な拡張を実現している。
論文 参考訳(メタデータ) (2024-03-30T06:18:50Z) - Transforming Image Super-Resolution: A ConvFormer-based Efficient Approach [58.57026686186709]
本稿では, Convolutional Transformer Layer (ConvFormer) を導入し, ConvFormer-based Super-Resolution Network (CFSR) を提案する。
CFSRは畳み込みベースのアプローチとトランスフォーマーベースのアプローチの両方の利点を継承する。
CFSRは計算コストと性能のバランスが最適であることを示す実験である。
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) - 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) - 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)
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。