論文の概要: Deep Blind Super-Resolution for Satellite Video

• arxiv url: http://arxiv.org/abs/2401.07139v1
• Date: Sat, 13 Jan 2024 18:56:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 19:31:26.670275
• Title: Deep Blind Super-Resolution for Satellite Video
• Title（参考訳）: 衛星映像の深部ブラインド超解像
• Authors: Yi Xiao and Qiangqiang Yuan and Qiang Zhang and Liangpei Zhang
• Abstract要約: 本稿では,BSVSRアルゴリズムを用いて,ピクセル単位のぼかしレベルを粗い方法で考慮し,よりシャープな手がかりを探索する手法を提案する。 ウィンドウスライド・プログレッシブ・フュージョンにより、時間的冗長性を隣接するフレームに粗く集約するために、マルチスケールの変形可能な畳み込みを用いる。 本研究では, ピラミッド空間変換モジュールを設計し, 急激な中間状態の解空間を調整し, 多レベル領域における柔軟な特徴適応を実現する。
• 参考スコア（独自算出の注目度）: 30.82521485327735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent efforts have witnessed remarkable progress in Satellite Video Super-Resolution (SVSR). However, most SVSR methods usually assume the degradation is fixed and known, e.g., bicubic downsampling, which makes them vulnerable in real-world scenes with multiple and unknown degradations. To alleviate this issue, blind SR has thus become a research hotspot. Nevertheless, existing approaches are mainly engaged in blur kernel estimation while losing sight of another critical aspect for VSR tasks: temporal compensation, especially compensating for blurry and smooth pixels with vital sharpness from severely degraded satellite videos. Therefore, this paper proposes a practical Blind SVSR algorithm (BSVSR) to explore more sharp cues by considering the pixel-wise blur levels in a coarse-to-fine manner. Specifically, we employed multi-scale deformable convolution to coarsely aggregate the temporal redundancy into adjacent frames by window-slid progressive fusion. Then the adjacent features are finely merged into mid-feature using deformable attention, which measures the blur levels of pixels and assigns more weights to the informative pixels, thus inspiring the representation of sharpness. Moreover, we devise a pyramid spatial transformation module to adjust the solution space of sharp mid-feature, resulting in flexible feature adaptation in multi-level domains. Quantitative and qualitative evaluations on both simulated and real-world satellite videos demonstrate that our BSVSR performs favorably against state-of-the-art non-blind and blind SR models. Code will be available at https://github.com/XY-boy/Blind-Satellite-VSR
• Abstract（参考訳）: 近年の努力は、衛星ビデオ超解法(SVSR)の顕著な進歩を目撃している。 しかし、ほとんどのSVSRメソッドは、分解が固定され、例えばバイコビック・ダウンサンプリング(英語版)のような既知のものであると仮定する。 この問題を緩和するため、ブラインドSRは研究ホットスポットとなっている。 しかしながら、既存のアプローチは主に、時間的補償、特に高度に劣化した衛星ビデオから重要なシャープネスを持つぼやけた滑らかなピクセルを補うという、VSRタスクのもう一つの重要な側面を見失いながら、ぼやけたカーネル推定に携わっている。 そこで,本研究では,ピクセル単位のぼかしレベルを粗い方法で考慮し,よりシャープな手がかりを探索する実用的なブラインドSVSRアルゴリズムを提案する。 具体的には,ウィンドウスライドプログレッシブ・フュージョンによる時間的冗長性を隣接フレームに粗く集約するために,マルチスケール変形可能な畳み込みを用いた。 次に、隣接する特徴を変形可能な注意で中機能に微細にマージし、画素のぼやけレベルを測定し、より多くの重みを情報画素に割り当て、シャープネスの表現を刺激する。 さらに,ピラミッド型空間変換モジュールを考案し,鋭い中機能の解空間を調整し,マルチレベル領域における柔軟な機能適応を実現する。 シミュレーションおよび実世界の衛星ビデオにおける定量的および定性的評価は、我々のBSVSRが最先端の非盲点SRモデルと盲点SRモデルに対して好適に機能することを示す。 コードはhttps://github.com/XY-boy/Blind-Satellite-VSRで入手できる。

関連論文リスト

• Arbitrary-Scale Video Super-Resolution with Structural and Textural Priors [80.92195378575671]
  Arbitraスケール超解像(AVSR)の強いベースラインについて述べる。 次に、事前学習したVGGネットワークから計算したマルチスケールの構造とテクスチャをベースラインに組み込むことにより、ST-AVSRを導入する。 総合的な実験により、ST-AVSRは最先端技術よりも超解像品質、一般化能力、推論速度を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2024-07-13T15:27:39Z)
• DCS-RISR: Dynamic Channel Splitting for Efficient Real-world Image Super-Resolution [15.694407977871341]
  実世界の画像超解像(RISR)は、未知の複雑な劣化下でのSR画像の品質向上に重点を置いている。 既存の手法は、分解レベルが異なる低解像度(LR)画像を強化するために重いSRモデルに依存している。 本稿では,DCS-RISRと呼ばれる高効率リアルタイム画像超解法のための動的チャネル分割方式を提案する。
  論文  参考訳（メタデータ） (2022-12-15T04:34:57Z)
• Blind Super-Resolution for Remote Sensing Images via Conditional Stochastic Normalizing Flows [14.882417028542855]
  本稿では、上記の問題に対処するために、正規化フロー(BlindSRSNF)に基づく新しいブラインドSRフレームワークを提案する。 BlindSRSNFは、低解像度(LR)画像が与えられた高解像度画像空間上の条件確率分布を、確率の変動境界を明示的に最適化することによって学習する。 提案アルゴリズムは,シミュレーションLRと実世界RSIの両方において,視覚的品質の優れたSR結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-14T12:37:32Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Blind Image Super-Resolution via Contrastive Representation Learning [41.17072720686262]
  マルチモーダルおよび空間変動分布を持つ画像のブラインドSRに着目したコントラスト表現学習ネットワークを設計する。 提案したCRL-SRは,ブラインド設定下でのマルチモーダル・空間変動劣化を効果的に処理可能であることを示す。 また、最先端のSR手法を質的に、定量的に上回る。
  論文  参考訳（メタデータ） (2021-07-01T19:34:23Z)
• Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
  実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。 監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。 ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
  論文  参考訳（メタデータ） (2020-12-18T08:25:39Z)
• DynaVSR: Dynamic Adaptive Blind Video Super-Resolution [60.154204107453914]
  DynaVSRは、現実世界のビデオSRのための新しいメタラーニングベースのフレームワークである。 様々な種類の合成ボケカーネルを備えたマルチフレームダウンスケーリングモジュールをトレーニングし、入力認識適応のためのビデオSRネットワークとシームレスに結合する。 実験結果から,DynaVSRは最先端のビデオSRモデルの性能を一定に向上することがわかった。
  論文  参考訳（メタデータ） (2020-11-09T15:07:32Z)
• 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)
• HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of Satellite Imagery [55.253395881190436]
  MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。 これは、地球上の人間の影響を衛星で観測する上で重要である。 我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
  論文  参考訳（メタデータ） (2020-02-15T22:17:47Z)

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。