論文の概要: Sampling-Priors-Augmented Deep Unfolding Network for Robust Video
Compressive Sensing
- arxiv url: http://arxiv.org/abs/2307.07291v1
- Date: Fri, 14 Jul 2023 12:05:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-17 14:13:32.318240
- Title: Sampling-Priors-Augmented Deep Unfolding Network for Robust Video
Compressive Sensing
- Title(参考訳): ロバストなビデオ圧縮センシングのためのサンプリング優先型ディープアンフォールディングネットワーク
- Authors: Yuhao Huang, Gangrong Qu and Youran Ge
- Abstract要約: 本稿では,SPA-DUN(Samping-Priors-Augmented Deep Unfolding Network)を提案する。
最適化にインスパイアされたディープ展開フレームワークでは、軽量で効率的なU-netを使用してモデルを縮小する。
シミュレーションと実データセットの両方の実験により、SPA-DUNは1つのモデルで様々なサンプリング設定に適用可能であるだけでなく、驚くべき効率でSOTAの性能も達成できることが示された。
- 参考スコア(独自算出の注目度): 1.7372440481022124
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video Compressed Sensing (VCS) aims to reconstruct multiple frames from one
single captured measurement, thus achieving high-speed scene recording with a
low-frame-rate sensor. Although there have been impressive advances in VCS
recently, those state-of-the-art (SOTA) methods also significantly increase
model complexity and suffer from poor generality and robustness, which means
that those networks need to be retrained to accommodate the new system. Such
limitations hinder the real-time imaging and practical deployment of models. In
this work, we propose a Sampling-Priors-Augmented Deep Unfolding Network
(SPA-DUN) for efficient and robust VCS reconstruction. Under the
optimization-inspired deep unfolding framework, a lightweight and efficient
U-net is exploited to downsize the model while improving overall performance.
Moreover, the prior knowledge from the sampling model is utilized to
dynamically modulate the network features to enable single SPA-DUN to handle
arbitrary sampling settings, augmenting interpretability and generality.
Extensive experiments on both simulation and real datasets demonstrate that
SPA-DUN is not only applicable for various sampling settings with one single
model but also achieves SOTA performance with incredible efficiency.
- Abstract(参考訳): Video Compressed Sensing (VCS) は、1つのキャプチャー計測から複数のフレームを再構築することを目的としており、低フレームレートのセンサーで高速なシーン記録を実現する。
最近のVCSには目覚ましい進歩があったが、最新のSOTA(State-of-the-art)手法はモデルの複雑さを著しく増加させ、汎用性や堅牢性に欠ける。
このような制限は、リアルタイムイメージングとモデルの実用的な展開を妨げる。
本稿では,SPA-DUN(Samping-Priors-Augmented Deep Unfolding Network)を提案する。
最適化にインスパイアされたディープ展開フレームワークでは、軽量で効率的なU-netを使用してモデルのサイズを縮小し、全体的なパフォーマンスを改善している。
さらに,サンプリングモデルからの事前知識を利用してネットワーク特性を動的に変調し,任意のサンプリング設定を処理し,解釈可能性と汎用性を高める。
SPA-DUNは1つのモデルで様々なサンプリング設定に適用可能であるだけでなく、SOTAの性能を信じられないほど効率的に達成できることを示す。
関連論文リスト
- A-SDM: Accelerating Stable Diffusion through Redundancy Removal and
Performance Optimization [54.113083217869516]
本研究ではまず,ネットワークの計算冗長性について検討する。
次に、モデルの冗長性ブロックをプルークし、ネットワーク性能を維持する。
第3に,計算集約型注意部を高速化するグローバル地域対話型注意(GRI)を提案する。
論文 参考訳(メタデータ) (2023-12-24T15:37:47Z) - Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。
本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。
本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
論文 参考訳(メタデータ) (2023-03-16T21:06:13Z) - Effective Invertible Arbitrary Image Rescaling [77.46732646918936]
Invertible Neural Networks (INN)は、ダウンスケーリングとアップスケーリングのサイクルを共同で最適化することにより、アップスケーリングの精度を大幅に向上させることができる。
本研究の1つのモデルのみをトレーニングすることにより、任意の画像再スケーリングを実現するために、単純で効果的な非可逆的再スケーリングネットワーク(IARN)を提案する。
LR出力の知覚品質を損なうことなく、双方向任意再スケーリングにおいて最先端(SOTA)性能を実現する。
論文 参考訳(メタデータ) (2022-09-26T22:22:30Z) - HerosNet: Hyperspectral Explicable Reconstruction and Optimal Sampling
Deep Network for Snapshot Compressive Imaging [41.91463343106411]
ハイパースペクトルイメージングは、特にリモートセンシング、農業、医学において、幅広い用途に欠かせない画像モダリティである。
低予算のスナップショット測定からハイパスペクトル画像(HSI)を再構築する、遅い、高価、またはかさばる既存のハイパースペクトルカメラにインスパイアされたことが注目されている。
スペクトルスナップショットセンシング(SCI)のための最近のディープ・アンフォールディング・ネットワーク(DUN)は、目覚ましい成功を収めている。
本稿では、ISTAアンフォールディングフレームワークの下で複数のフェーズを含むHerosNetと呼ばれる、SCIのためのハイパースペクトル拡張型再構成と最適サンプリングディープネットワークを提案する。
論文 参考訳(メタデータ) (2021-12-12T13:42:49Z) - A Dynamic Residual Self-Attention Network for Lightweight Single Image
Super-Resolution [17.094665593472214]
軽量単一像超解像(SISR)のための動的残像自己アテンションネットワーク(DRSAN)を提案する。
DRSANは動的残留注意(DRA)に基づく動的残留接続を持ち、入力統計に基づいてその構造を適応的に変化させる。
また,余剰自己アテンション(RSA)モジュールも提案し,付加パラメータを伴わずに3次元のアテンションマップを生成する。
論文 参考訳(メタデータ) (2021-12-08T06:41:21Z) - Towards a Unified Approach to Single Image Deraining and Dehazing [16.383099109400156]
降雨効果の新しい物理モデルを開発し,その均一な連続限界として,ヘイズ効果のよく知られた大気散乱モデル(ASM)が自然に現れることを示した。
また,デレーシングとデヘイジングの両方に適した,密集したスケール接続型注意ネットワーク (dscan) を提案する。
論文 参考訳(メタデータ) (2021-03-26T01:35:43Z) - Journey Towards Tiny Perceptual Super-Resolution [23.30464519074935]
本研究では,NASとGANを統合したニューラルアーキテクチャサーチ(NAS)手法を提案する。
我々の小さな知覚的SR(TPSR)モデルは、全参照知覚量(LPIPS)と歪み量(PSNR)の両方でSRGANとEnhanceNetを上回ります。
論文 参考訳(メタデータ) (2020-07-08T18:24:40Z) - Dynamic Model Pruning with Feedback [64.019079257231]
余分なオーバーヘッドを伴わずにスパーストレーニングモデルを生成する新しいモデル圧縮法を提案する。
CIFAR-10 と ImageNet を用いて本手法の評価を行い,得られたスパースモデルが高密度モデルの最先端性能に到達可能であることを示す。
論文 参考訳(メタデータ) (2020-06-12T15:07:08Z) - A Generative Learning Approach for Spatio-temporal Modeling in Connected
Vehicular Network [55.852401381113786]
本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。
LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。
特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
論文 参考訳(メタデータ) (2020-03-16T03:43:59Z) - An Image Enhancing Pattern-based Sparsity for Real-time Inference on
Mobile Devices [58.62801151916888]
パターンと接続性を組み合わせた新しい空間空間,すなわちパターンベースの空間空間を導入し,高度に正確かつハードウェアに親しみやすいものにした。
新たなパターンベースの空間性に対する我々のアプローチは,モバイルプラットフォーム上での高効率DNN実行のためのコンパイラ最適化に自然に適合する。
論文 参考訳(メタデータ) (2020-01-20T16:17:36Z)
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。