論文の概要: DWA: Differential Wavelet Amplifier for Image Super-Resolution
- arxiv url: http://arxiv.org/abs/2304.01994v1
- Date: Tue, 4 Apr 2023 17:52:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 12:55:30.339202
- Title: DWA: Differential Wavelet Amplifier for Image Super-Resolution
- Title（参考訳）: DWA:画像超解像用微分ウェーブレット増幅器
- Authors: Brian Moser, Stanislav Frolov, Federico Raue, Sebastian Palacio,
Andreas Dengel
- Abstract要約: Differential Wavelet Amplifier (DWA)は、ウェーブレットベースの画像スーパーリゾリューション(SR)のためのドロップインモジュールである。
提案するDWAモデルは、2つの畳み込みフィルタの違いを利用してウェーブレットベースのSRモデルを改善する。
既存のSRモデル、例えばDWSRやMWCNNに組み込むことで、その効果を示し、古典的SRタスクの明確な改善を示す。
- 参考スコア（独自算出の注目度）: 4.255342416942236
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work introduces Differential Wavelet Amplifier (DWA), a drop-in module
for wavelet-based image Super-Resolution (SR). DWA invigorates an approach
recently receiving less attention, namely Discrete Wavelet Transformation
(DWT). DWT enables an efficient image representation for SR and reduces the
spatial area of its input by a factor of 4, the overall model size, and
computation cost, framing it as an attractive approach for sustainable ML. Our
proposed DWA model improves wavelet-based SR models by leveraging the
difference between two convolutional filters to refine relevant feature
extraction in the wavelet domain, emphasizing local contrasts and suppressing
common noise in the input signals. We show its effectiveness by integrating it
into existing SR models, e.g., DWSR and MWCNN, and demonstrate a clear
improvement in classical SR tasks. Moreover, DWA enables a direct application
of DWSR and MWCNN to input image space, reducing the DWT representation
channel-wise since it omits traditional DWT.
- Abstract（参考訳）: 本稿では,ウェーブレットベースイメージスーパーレゾリューション(sr)のためのドロップインモジュールであるディファレンシャルウェーブレット増幅器(dwa)を紹介する。
DWAは、最近あまり注目されていないアプローチ、すなわち離散ウェーブレット変換(DWT)を活性化する。
DWTは、SRの効率的な画像表現を可能にし、入力の空間面積を4倍に削減し、モデルサイズ全体と計算コストを、持続可能なMLのための魅力的なアプローチとしてフレーミングする。
提案するdwaモデルは,2つの畳み込みフィルタの差を利用して,ウェーブレット領域の特徴抽出を洗練し,局所コントラストを強調し,入力信号の共通ノイズを抑制することにより,ウェーブレットに基づくsrモデルを改善する。
既存のSRモデル、例えばDWSRやMWCNNに組み込むことで、その効果を示し、古典的SRタスクの明確な改善を示す。
さらに、DWAはDWSRとMWCNNの直接的な画像空間の入力を可能にし、従来のDWTを省略するため、DWT表現をチャネルワイズで削減する。
関連論文リスト
- Advancing Super-Resolution in Neural Radiance Fields via Variational Diffusion Strategies [0.0]
本稿では,ニューラルレンダリングにおけるビュー一貫性超解像(SR)のための拡散誘導フレームワークを提案する。
提案手法は,既存の2次元SRモデルと,変分スコア蒸留(VSD)やLoRAファインチューニングヘルパなどの高度な技術を組み合わせたものである。
論文 参考訳（メタデータ） (2024-10-22T00:02:26Z) - Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
近年の拡散モデル (DM) はHDRイメージング分野に導入されている。
DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。
ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
論文 参考訳（メタデータ） (2024-04-01T01:32:11Z) - Dynamic Attention-Guided Diffusion for Image Super-Resolution [9.398135472047132]
画像超解法(SR)における拡散モデルは、すべての画像領域を均一に処理し、全体の画質を損なうリスクがある。
画像SRのための動的注意誘導拡散プロセス「あなた専用拡散領域」(YODA)を提案する。
我々は,先進拡散法SR3,DiffBIR,SRDiffを拡張することで,YODAを実証的に検証する。
実験では,PSNR,SSIM,LPIPSの計測値にまたがって,対面および一般SRタスクにおける新しい最先端性能を示す。
論文 参考訳（メタデータ） (2023-08-15T18:27:03Z) - ResShift: Efficient Diffusion Model for Image Super-resolution by
Residual Shifting [70.83632337581034]
拡散に基づく画像超解像法(SR)は主に低推論速度によって制限される。
本稿では,SRの拡散段数を大幅に削減する新しい,効率的な拡散モデルを提案する。
本手法は,残差をシフトすることで高分解能画像と低分解能画像の間を移動させるマルコフ連鎖を構成する。
論文 参考訳（メタデータ） (2023-07-23T15:10:02Z) - DWA: Differential Wavelet Amplifier for Image Super-Resolution [4.255342416942236]
Differential Wavelet Amplifier (DWA)は、ウェーブレットベースの画像スーパーリゾリューション(SR)のためのドロップインモジュールである。
提案するDWAモデルは、2つの畳み込みフィルタの違いを利用してウェーブレットベースのSRモデルを改善する。
既存のSRモデル、例えばDWSRやMWCNNに組み込むことで、その効果を示し、古典的SRタスクの明確な改善を示す。
論文 参考訳（メタデータ） (2023-07-10T14:35:12Z) - ACDMSR: Accelerated Conditional Diffusion Models for Single Image
Super-Resolution [84.73658185158222]
本稿では,ACDMSRと呼ばれる拡散モデルに基づく超解像法を提案する。
提案手法は, 決定論的反復分解過程を通じて超解像を行うために, 標準拡散モデルに適応する。
提案手法は,低解像度画像に対してより視覚的に現実的な表現を生成し,現実的なシナリオにおけるその有効性を強調した。
論文 参考訳（メタデータ） (2023-07-03T06:49:04Z) - Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。
本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文 参考訳（メタデータ） (2023-06-01T03:08:28Z) - CDPMSR: Conditional Diffusion Probabilistic Models for Single Image
Super-Resolution [91.56337748920662]
拡散確率モデル(DPM)は画像から画像への変換において広く採用されている。
単純だが自明なDPMベースの超解像後処理フレームワーク,すなわちcDPMSRを提案する。
本手法は, 定性的および定量的な結果の両面において, 先行試行を超越した手法である。
論文 参考訳（メタデータ） (2023-02-14T15:13:33Z) - SRDiff: Single Image Super-Resolution with Diffusion Probabilistic
Models [19.17571465274627]
単一の画像スーパーリゾリューション(SISR)は、与えられた低リゾリューション(LR)画像から高解像度(HR)画像を再構成することを目的とする。
新規な単像超解像拡散確率モデル(SRDiff)を提案する。
SRDiffはデータ可能性の変動境界の変種に最適化されており、多様で現実的なSR予測を提供することができる。
論文 参考訳（メタデータ） (2021-04-30T12:31:25Z) - Image Super-Resolution via Iterative Refinement [53.57766722279425]
SR3は再精製による超解像へのアプローチである。
確率的デノイジング拡散モデルを条件付き画像生成に適応させる。
様々な倍率係数の超分解能タスクに強い性能を示す。
論文 参考訳（メタデータ） (2021-04-15T17:50:42Z)
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。