論文の概要: A Vision Transformer Approach for Efficient Near-Field Irregular SAR
Super-Resolution
- arxiv url: http://arxiv.org/abs/2305.02074v2
- Date: Tue, 27 Jun 2023 06:27:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 17:08:16.737226
- Title: A Vision Transformer Approach for Efficient Near-Field Irregular SAR
Super-Resolution
- Title（参考訳）: 近接場不規則なSAR超解像のための視覚変換器の一手法
- Authors: Josiah Smith, Yusef Alimam, Geetika Vedula, Murat Torlak
- Abstract要約: 本研究では、位置推定誤差に対処し、不規則なサンプリング測位の下でSAR画像超解像(SR)を行うモバイルフレンドビジョントランスフォーマー(ViT)アーキテクチャを提案する。
提案アルゴリズムであるMobile-SRViTは,SAR画像強調にViTを用いた最初の手法であり,シミュレーションおよび実証実験によって検証されている。
- 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: In this paper, we develop a novel super-resolution algorithm for near-field
synthetic-aperture radar (SAR) under irregular scanning geometries. As
fifth-generation (5G) millimeter-wave (mmWave) devices are becoming
increasingly affordable and available, high-resolution SAR imaging is feasible
for end-user applications and non-laboratory environments. Emerging
applications such freehand imaging, wherein a handheld radar is scanned
throughout space by a user, unmanned aerial vehicle (UAV) imaging, and
automotive SAR face several unique challenges for high-resolution imaging.
First, recovering a SAR image requires knowledge of the array positions
throughout the scan. While recent work has introduced camera-based positioning
systems capable of adequately estimating the position, recovering the algorithm
efficiently is a requirement to enable edge and Internet of Things (IoT)
technologies. Efficient algorithms for non-cooperative near-field SAR sampling
have been explored in recent work, but suffer image defocusing under position
estimation error and can only produce medium-fidelity images. In this paper, we
introduce a mobile-friend vision transformer (ViT) architecture to address
position estimation error and perform SAR image super-resolution (SR) under
irregular sampling geometries. The proposed algorithm, Mobile-SRViT, is the
first to employ a ViT approach for SAR image enhancement and is validated in
simulation and via empirical studies.
- Abstract（参考訳）: 本論文では, 近接場合成開口レーダ(SAR)の非規則な走査測地下での新しい超解像アルゴリズムを開発した。
第5世代(5G)ミリ波(mmWave)デバイスはますます手頃な価格で手に入るようになり、高解像度のSARイメージングはエンドユーザアプリケーションや非コラボレーション環境でも実現可能である。
ハンドヘルドレーダーをユーザーが宇宙中にスキャンするフリーハンドイメージングや、無人航空機(uav)イメージング、自動車sarといった新しい応用は、高解像度イメージングに特有の課題に直面している。
まず、SAR画像の復元には、スキャン全体を通して配列位置の知識が必要である。
最近の研究では、位置を適切に推定できるカメラベースの位置決めシステムを導入しているが、アルゴリズムを効率的に回復することは、エッジとIoT(Internet of Things)技術を実現するための要件である。
非協力的近距離sarサンプリングのための効率的なアルゴリズムは近年研究されているが、位置推定誤差下で画像デフォーカスに苦しみ、中忠実な画像しか生成できない。
本稿では、位置推定誤差に対処し、不規則なサンプリングジオメトリの下でSAR画像超解像(SR)を実行するモバイルフレンドビジョントランスフォーマー(ViT)アーキテクチャを提案する。
提案アルゴリズムであるMobile-SRViTは,SAR画像強調にViTを用いた最初の手法であり,シミュレーションおよび実証実験によって検証されている。
関連論文リスト
- Redefining Automotive Radar Imaging: A Domain-Informed 1D Deep Learning Approach for High-Resolution and Efficient Performance [6.784861785632841]
本研究では,1次元(1次元)信号の超解像スペクトル推定問題として,レーダー画像の超解像を再定義する。
自動車レーダイメージングのための最適化されたディープラーニングネットワークは、優れたスケーラビリティ、パラメータ効率、高速推論速度を示す。
我々のSR-SPECNetは、高解像度のレーダレンジ方位画像を作成するための新しいベンチマークを設定している。
論文 参考訳（メタデータ） (2024-06-11T16:07:08Z) - Recurrent Multi-scale Transformer for High-Resolution Salient Object
Detection [68.65338791283298]
Salient Object Detection (SOD) は、画像やビデオの中で最も顕著なオブジェクトを識別し、セグメント化することを目的としている。
従来のSOD法は主に解像度の低い画像に限られており、高分解能SODの開発に適応することが困難である。
本研究ではまず,2K-8K解像度で10,500個の高品質なアノテート画像を含む新しいHRS10Kデータセットを提案する。
論文 参考訳（メタデータ） (2023-08-07T17:49:04Z) - Efficient CNN-based Super Resolution Algorithms for mmWave Mobile Radar
Imaging [2.3623206450285457]
近距離場合成開口レーダ(SAR)イメージングの新興モードに対する革新的な超解像手法を提案する。
近年の研究では、畳み込みニューラルネットワーク(CNN)アーキテクチャを拡張して、レーダシグナリングから生成された画像の超高解像度化を実現している。
我々は,最新のSAR処理とディープラーニング技術を用いて,モバイルアプリケーションにおけるSAR画像の超解像を実現する新しいCNNアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-05-03T12:54:28Z) - Efficient 3-D Near-Field MIMO-SAR Imaging for Irregular Scanning
Geometries [0.0]
本研究では, 近接場合成開口レーダ (SAR) イメージングのための新しいアルゴリズムを提案する。
任意かつ不規則なサンプリング測地を数学的に分解する枠組みと,マルチスタティックアレイ画像アーティファクトのジョイントソリューションを提案する。
論文 参考訳（メタデータ） (2023-05-03T12:07:21Z) - Near-Field MIMO-ISAR Millimeter-Wave Imaging [0.0]
本稿では,近場ミリ波イメージングシステムについて論じ,その展開について述べる。
本報で検討した回転型ISARは, トランシーバから一定の半径距離で目標を回転させる必要がある。
77GHzmm波レーダを用いて高解像度の3次元画像(3次元)を再構成することができる。
論文 参考訳（メタデータ） (2023-05-03T10:46:48Z) - LSwinSR: UAV Imagery Super-Resolution based on Linear Swin Transformer [7.3817359680010615]
超高分解能技術は無人航空機(UAV)に特に有用である
本稿では,UAV画像の高分解能化のために,最先端のSwin Transformerに基づく新しいネットワークを提案する。
論文 参考訳（メタデータ） (2023-03-17T20:14:10Z) - Super-Resolution by Predicting Offsets: An Ultra-Efficient
Super-Resolution Network for Rasterized Images [47.684307267915024]
コンピュータグラフィックスのためのリアルタイムSRの新しい手法、すなわち予測オフセット(SRPO)による超解法を提案する。
我々のアルゴリズムは、画像を処理のために2つの部分、すなわちシャープエッジとフラットな領域に分割する。
実験により,提案したSRPOは既存の最先端手法よりも少ない計算コストで優れた視覚効果が得られることが示された。
論文 参考訳（メタデータ） (2022-10-09T08:16:36Z) - Exploring Resolution and Degradation Clues as Self-supervised Signal for
Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。
本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文 参考訳（メタデータ） (2022-08-05T09:36:13Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - Cross-Modality High-Frequency Transformer for MR Image Super-Resolution [100.50972513285598]
我々はTransformerベースのMR画像超解像フレームワークを構築するための初期の取り組みを構築した。
我々は、高周波構造とモード間コンテキストを含む2つの領域先行について考察する。
我々は,Cross-modality High- frequency Transformer (Cohf-T)と呼ばれる新しいTransformerアーキテクチャを構築し,低解像度画像の超解像化を実現する。
論文 参考訳（メタデータ） (2022-03-29T07:56:55Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2021-11-17T21:48:31Z)
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。