論文の概要: A Range-Null Space Decomposition Approach for Fast and Flexible Spectral Compressive Imaging

• arxiv url: http://arxiv.org/abs/2305.09746v1
• Date: Tue, 16 May 2023 18:37:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 18:52:45.041412
• Title: A Range-Null Space Decomposition Approach for Fast and Flexible Spectral Compressive Imaging
• Title（参考訳）: 高速・フレキシブルスペクトル圧縮イメージングのための範囲ヌル空間分解法
• Authors: Junyu Wang, Shijie Wang, Ruijie Zhang, Zengqiang Zheng, Wenyu Liu, Xinggang Wang
• Abstract要約: 圧縮ハイパースペクトル画像(HSI)再構成のための新しいフレームワークであるRND-SCIを提案する。 我々のフレームワークは、再構成されたオブジェクトをレンジスペースとヌルスペースのコンポーネントに分解します。 RND-SCIは設計が単純で、高い解釈性を持つだけでなく、様々なHSI再構成ネットワークにも容易に適用できる。
• 参考スコア（独自算出の注目度）: 31.26101924400667
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present RND-SCI, a novel framework for compressive hyperspectral image (HSI) reconstruction. Our framework decomposes the reconstructed object into range-space and null-space components, where the range-space part ensures the solution conforms to the compression process, and the null-space term introduces a deep HSI prior to constraining the output to have satisfactory properties. RND-SCI is not only simple in design with strong interpretability but also can be easily adapted to various HSI reconstruction networks, improving the quality of HSIs with minimal computational overhead. RND-SCI significantly boosts the performance of HSI reconstruction networks in retraining, fine-tuning or plugging into a pre-trained off-the-shelf model. Based on the framework and SAUNet, we design an extremely fast HSI reconstruction network, RND-SAUNet, which achieves an astounding 91 frames per second while maintaining superior reconstruction accuracy compared to other less time-consuming methods. Code and models are available at https://github.com/hustvl/RND-SCI.
• Abstract（参考訳）: 圧縮ハイパースペクトル画像(HSI)再構成のための新しいフレームワークであるRND-SCIを提案する。 我々のフレームワークは、再構成されたオブジェクトをレンジスペースおよびヌルスペースコンポーネントに分解し、レンジスペース部はソリューションが圧縮プロセスに適合することを保証し、ヌルスペース項は出力が満足できる性質を持つように制約する前に深いHSIを導入する。 RND-SCIは、強い解釈性を持つ設計だけでなく、様々なHSI再構成ネットワークにも容易に適用でき、計算オーバーヘッドを最小限に抑えたHSIの品質を向上させることができる。 RND-SCIは、トレーニング済みオフザシェルフモデルへの再トレーニング、微調整、プラグングにおけるHSI再構成ネットワークの性能を大幅に向上させる。 このフレームワークとSAUNetに基づいて,超高速なHSI再構成ネットワークRND-SAUNetを設計し,従来の低時間化手法に比べて優れた復元精度を維持しながら1秒あたり91フレームを実現した。 コードとモデルはhttps://github.com/hustvl/rnd-sciで入手できる。

関連論文リスト

• Real-Time Compressed Sensing for Joint Hyperspectral Image Transmission and Restoration for CubeSat [9.981107535103687]
  本稿では,軽量で比較的少数のトレーニングサンプルを必要とするリアルタイム圧縮センシングネットワークを提案する。 RTCSネットワークは、必要なトレーニングサンプルを削減し、整数8ベースのエンコーダに簡単に実装できる単純化されたアーキテクチャを備えている。 我々のエンコーダは、ストリップライクなHSIデータ伝送に整数8互換の線形プロジェクションを使用し、リアルタイム圧縮センシングを確実にする。
  論文  参考訳（メタデータ） (2024-04-24T10:03:37Z)
• Binarized Spectral Compressive Imaging [59.18636040850608]
  ハイパースペクトル画像(HSI)再構成のための既存のディープラーニングモデルは、優れた性能を実現するが、膨大なメモリと計算資源を持つ強力なハードウェアを必要とする。 本稿では,BiSRNet(Biarized Spectral-Redistribution Network)を提案する。 BiSRNetは,提案手法を用いてベースモデルのバイナライズを行う。
  論文  参考訳（メタデータ） (2023-05-17T15:36:08Z)
• SST-ReversibleNet: Reversible-prior-based Spectral-Spatial Transformer for Efficient Hyperspectral Image Reconstruction [15.233185887461826]
  Reversible-prior-based methodと呼ばれる新しいフレームワークが提案されている。 ReversibleNetは、シミュレートされた実HSIデータセットの最先端メソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2023-05-06T14:01:02Z)
• MF-NeRF: Memory Efficient NeRF with Mixed-Feature Hash Table [62.164549651134465]
  MF-NeRFは,Mixed-Featureハッシュテーブルを用いてメモリ効率を向上し,再構成品質を維持しながらトレーニング時間を短縮するメモリ効率の高いNeRFフレームワークである。 最新技術であるInstant-NGP、TensoRF、DVGOによる実験は、MF-NeRFが同じGPUハードウェア上で、同様のあるいはそれ以上のリコンストラクション品質で最速のトレーニング時間を達成できることを示唆している。
  論文  参考訳（メタデータ） (2023-04-25T05:44:50Z)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• Spectral Compressive Imaging Reconstruction Using Convolution and Contextual Transformer [6.929652454131988]
  本稿では,CCoT(Contextual Transformer)ブロックというハイブリッドネットワークモジュールを提案する。 提案したCCoTブロックを,一般化された交互投影アルゴリズムに基づく深層展開フレームワークに統合し,さらにGAP-CTネットワークを提案する。
  論文  参考訳（メタデータ） (2022-01-15T06:30:03Z)
• A New Backbone for Hyperspectral Image Reconstruction [90.48427561874402]
  3次元ハイパースペクトル画像(HSI)再構成は、スナップショット圧縮画像の逆過程を指す。 空間/スペクトル不変Residual U-Net、すなわちSSI-ResU-Netを提案する。 SSI-ResU-Net は浮動小数点演算の 77.3% 以上で競合する性能を実現する。
  論文  参考訳（メタデータ） (2021-08-17T16:20:51Z)
• Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
  提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。 フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。 訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
  論文  参考訳（メタデータ） (2021-06-01T20:34:52Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)

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。