論文の概要: J-Net: Improved U-Net for Terahertz Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2312.01638v1
• Date: Mon, 4 Dec 2023 05:39:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 16:25:27.932531
• Title: J-Net: Improved U-Net for Terahertz Image Super-Resolution
• Title（参考訳）: J-Net:テラヘルツ画像超解法のための改良されたU-Net
• Authors: Woon-Ha Yeo, Seung-Hwan Jung, Seung Jae Oh, Inhee Maeng, Eui Su Lee, Han-Cheol Ryu
• Abstract要約: テラヘルツ波(英: Terahertz、THz)は、0.1から10Hzの周波数範囲の電磁波である。 THz画像は、THz波の長波長のため解像度が低い。 我々は、THz画像の超解像を解くために、J-Netと呼ばれる新しいネットワークアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 3.695428868211677
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Terahertz (THz) waves are electromagnetic waves in the 0.1 to 10 THz frequency range, and THz imaging is utilized in a range of applications, including security inspections, biomedical fields, and the non-destructive examination of materials. However, THz images have low resolution due to the long wavelength of THz waves. Therefore, improving the resolution of THz images is one of the current hot research topics. We propose a novel network architecture called J-Net which is improved version of U-Net to solve the THz image super-resolution. It employs the simple baseline blocks which can extract low resolution (LR) image features and learn the mapping of LR images to highresolution (HR) images efficiently. All training was conducted using the DIV2K+Flickr2K dataset, and we employed the peak signal-to-noise ratio (PSNR) for quantitative comparison. In our comparisons with other THz image super-resolution methods, JNet achieved a PSNR of 32.52 dB, surpassing other techniques by more than 1 dB. J-Net also demonstrates superior performance on real THz images compared to other methods. Experiments show that the proposed J-Net achieves better PSNR and visual improvement compared with other THz image super-resolution methods.
• Abstract（参考訳）: テラヘルツ(THz)波は0.1から10Hzの周波数範囲で電磁波であり、THzイメージングは、セキュリティ検査、バイオメディカルフィールド、材料の非破壊検査など、様々な用途に利用されている。 しかし、THz画像は、THz波の長波長のため、解像度が低い。 したがって、thz画像の解像度向上は、現在のホットな研究課題の一つである。 本稿では,THz画像の超解像化を実現するために,U-Netの改良版であるJ-Netを提案する。 低分解能(LR)画像の特徴を抽出し,高分解能(HR)画像へのLR画像のマッピングを効率的に学習する,シンプルなベースラインブロックを採用している。 全トレーニングはDIV2K+Flickr2Kデータセットを用いて行い、ピーク信号対雑音比(PSNR)を定量的に比較した。 他のTHz画像超解像法と比較して、JNetは32.52dBのPSNRを達成し、他の手法を1dB以上上回った。 j-netは、他の方法と比較して実際のthz画像で優れた性能を示す。 実験により,提案したJ-Netは,他の THz 画像超解像法と比較して,PSNR と視覚的改善が優れていることが示された。

関連論文リスト

• Dense Pixel-to-Pixel Harmonization via Continuous Image Representation [22.984119094424056]
  Inlicit Neural Networks (HINet) を用いた新しい画像調和手法を提案する。 Retinex理論に触発されて、調和を2つの部分に分離し、合成画像の内容と環境をそれぞれキャプチャする。 本手法の有効性を,最先端の手法と比較した実験により検証した。
  論文  参考訳（メタデータ） (2023-03-03T02:52:28Z)
• Learning Weighting Map for Bit-Depth Expansion within a Rational Range [64.15915577164894]
  ビット深化(BDE)は、低ビット深化(LBD)ソースから高ビット深化(HBD)画像を表示する新興技術の1つである。 既存のBDEメソッドは、様々なBDE状況に対して統一的なソリューションを持っていない。 我々は,各画素の重みを求めるためにビット復元ネットワーク(BRNet)を設計し,補充値の比率を合理的範囲内で示す。
  論文  参考訳（メタデータ） (2022-04-26T02:27:39Z)
• Infrared Image Super-Resolution via Heterogeneous Convolutional WGAN [4.6667021835430145]
  我々は、ヘテロジニアスカーネルベースの超解像ワッサースタインGAN(HetSRWGAN)をIR画像の超解像に用いるフレームワークを提案する。 HetSRWGANは定性評価と定量的評価の両方において一貫して優れた性能を発揮する。
  論文  参考訳（メタデータ） (2021-09-02T14:01:05Z)
• Enhanced Hyperspectral Image Super-Resolution via RGB Fusion and TV-TV Minimization [9.584717030078245]
  ハイパースペクトル(HS)画像には、リモートセンシング、監視、天文学などの応用において重要な、詳細なスペクトル情報が含まれている。 HSカメラのハードウェア制限のため、撮像された画像は空間解像度が低い。 それらを改善するために、低分解能ハイパースペクトル画像は、融合ベースHS画像超解像と呼ばれる技術により、従来の高分解能RGB画像と融合する。
  論文  参考訳（メタデータ） (2021-06-13T18:52:47Z)
• Variational AutoEncoder for Reference based Image Super-Resolution [27.459299640768773]
  本稿では,任意の画像がスーパーレゾリューションの参照として機能する参照ベース画像スーパーレゾリューションを提案する。 ランダムマップや低解像度画像自体を使用しても、提案したRefVAEは、超解像への参照から知識を転送することができる。
  論文  参考訳（メタデータ） (2021-06-08T04:12:38Z)
• LAPAR: Linearly-Assembled Pixel-Adaptive Regression Network for Single Image Super-Resolution and Beyond [75.37541439447314]
  単一画像超解像(SISR)は、低解像度(LR)画像を高解像度(HR)バージョンにアップサンプリングする根本的な問題を扱う。 本稿では,線形組立画素適応回帰ネットワーク (LAPAR) を提案する。
  論文  参考訳（メタデータ） (2021-05-21T15:47:18Z)
• UltraSR: Spatial Encoding is a Missing Key for Implicit Image Function-based Arbitrary-Scale Super-Resolution [74.82282301089994]
  本研究では,暗黙的イメージ関数に基づく,シンプルで効果的な新しいネットワーク設計であるUltraSRを提案する。 空間符号化は,次の段階の高精度暗黙的画像機能に対する欠落鍵であることを示す。 UltraSRは、すべての超解像スケールでDIV2Kベンチマークに最新のパフォーマンスを設定します。
  論文  参考訳（メタデータ） (2021-03-23T17:36:42Z)
• Real Image Super Resolution Via Heterogeneous Model Ensemble using GP-NAS [63.48801313087118]
  本稿では,高密度スキップ接続を有するディープ残差ネットワークを用いた画像超解像法を提案する。 提案手法は、AIM 2020 Real Image Super-Resolution Challengeの3トラックで1位を獲得した。
  論文  参考訳（メタデータ） (2020-09-02T22:33:23Z)
• Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
  空間情報とスペクトル情報の相互モダリティ分布が問題となる。 本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。 本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
  論文  参考訳（メタデータ） (2020-06-18T06:32:11Z)
• PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [77.32079593577821]
  PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。 本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-08T16:44:31Z)

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。