論文の概要: DPAFNet:Dual Path Attention Fusion Network for Single Image Deraining

• arxiv url: http://arxiv.org/abs/2401.08185v1
• Date: Tue, 16 Jan 2024 08:01:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 14:50:11.435344
• Title: DPAFNet:Dual Path Attention Fusion Network for Single Image Deraining
• Title（参考訳）: DPAFNet:Dual Path Attention Fusion Network for Single Image Deraining
• Authors: Bingcai Wei
• Abstract要約: 画像雨の除去は、常に低レベルの視覚タスクの一般的なブランチである。 ほとんどのニューラルネットワークは、畳み込みニューラルネットワークやトランスフォーマーのみを使用するなど、分岐しない。 本稿では,デュアルブランチアテンション融合ネットワークを提案する。
• 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: Rainy weather will have a significant impact on the regular operation of the imaging system. Based on this premise, image rain removal has always been a popular branch of low-level visual tasks, especially methods using deep neural networks. However, most neural networks are but-branched, such as only using convolutional neural networks or Transformers, which is unfavourable for the multidimensional fusion of image features. In order to solve this problem, this paper proposes a dual-branch attention fusion network. Firstly, a two-branch network structure is proposed. Secondly, an attention fusion module is proposed to selectively fuse the features extracted by the two branches rather than simply adding them. Finally, complete ablation experiments and sufficient comparison experiments prove the rationality and effectiveness of the proposed method.
• Abstract（参考訳）: 雨天は、画像システムの定期的な運用に重大な影響を及ぼすだろう。 この前提に基づいて、画像雨の除去は、低レベルの視覚タスク、特にディープニューラルネットワークを使った手法の一般的なブランチである。 しかし、ほとんどのニューラルネットワークは、畳み込みニューラルネットワークやトランスフォーマーのみを使用するなど、画像特徴の多次元融合には不適当である。 本稿では,この問題を解決するために,二重分岐型注意融合ネットワークを提案する。 まず,二分岐ネットワーク構造を提案する。 次に,2つの枝から抽出した特徴を単に加えるのではなく選択的に融合させるために,注意融合モジュールを提案する。 最後に,完全アブレーション実験と十分な比較実験により,提案手法の合理性と有効性を示す。

関連論文リスト

• Unsupervised convolutional neural network fusion approach for change detection in remote sensing images [1.892026266421264]
  我々は、変化検出のための全く教師なし浅層畳み込みニューラルネットワーク(USCNN)融合アプローチを導入する。 我々のモデルには3つの特徴がある: トレーニングプロセス全体は教師なしで行われ、ネットワークアーキテクチャは浅く、目的関数はスパースである。 4つの実リモートセンシングデータセットの実験結果から,提案手法の有効性と有効性が確認された。
  論文  参考訳（メタデータ） (2023-11-07T03:10:17Z)
• Visual Attention Network [90.0753726786985]
  本稿では,自己アテンションにおける自己適応性および長距離相関を実現するために,新しいカーネルアテンション(LKA)モジュールを提案する。 また、LKAに基づく新しいニューラルネットワーク、すなわちVisual Attention Network (VAN)を導入する。 VANは、最先端のビジョントランスフォーマーと畳み込みニューラルネットワークを、広範な実験において大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-02-20T06:35:18Z)
• Online-updated High-order Collaborative Networks for Single Image Deraining [51.22694467126883]
  単一画像のデライン化は、ビデオ監視や自動運転システムなど、下流の人工知能アプリケーションにとって重要なタスクである。 マルチスケールのコンパクトな制約と双方向のスケール・コンテント類似性マイニングモジュールを備えた高階協調ネットワークを提案する。 提案手法は,5つの公開合成と1つの実世界のデータセットに対して,11の最先端手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-02-14T09:09:08Z)
• Beyond Monocular Deraining: Parallel Stereo Deraining Network Via Semantic Prior [103.49307603952144]
  ほとんどの既存の脱雨アルゴリズムは単一の入力画像のみを使用し、クリーンな画像の復元を目指しています。 本稿では,ステレオ画像とセマンティック情報の両方を利用するPaired Rain Removal Network(PRRNet)を提案する。 単分子および新たに提案したステレオ降雨データセットの両方の実験により,提案手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2021-05-09T04:15:10Z)
• A Dual-branch Network for Infrared and Visible Image Fusion [20.15854042473049]
  高密度ブロックとGANに基づく新しい手法を提案する。 ネットワーク全体の各層に入力された画像可視光画像を直接挿入します。 提案手法により得られた融合画像は,複数の評価指標に基づいて良好なスコアが得られることを示す。
  論文  参考訳（メタデータ） (2021-01-24T04:18:32Z)
• Exploring Overcomplete Representations for Single Image Deraining using CNNs [0.0]
  最新の手法では、ディープネットワークを使用して、初期層をまたいだ低レベルの特徴と、ディープ層における高レベルの特徴をキャプチャする。 本稿では,局所構造学習に特に注目するオーバーコンプリート畳み込みネットワークアーキテクチャを提案する。 私たちはそれをU-Netと組み合わせて、低レベルの機能に注力しながら、グローバルな構造に負けないようにしています。
  論文  参考訳（メタデータ） (2020-10-20T22:55:02Z)
• DCSFN: Deep Cross-scale Fusion Network for Single Image Rain Removal [13.794959799789703]
  降雨が画像の視界を著しく低下させるため、降雨は重要なもののコンピュータビジョンの課題である。 以前の研究は主に特徴抽出と処理、あるいはニューラルネットワーク構造に焦点を当てていた。 本稿では,画像雨雨除去課題を解決するために,ネットワークと内規模核融合操作のクロススケールな方法について検討する。
  論文  参考訳（メタデータ） (2020-08-03T10:34:45Z)
• A Model-driven Deep Neural Network for Single Image Rain Removal [52.787356046951494]
  完全解釈可能なネットワーク構造を持つモデル駆動型ディープニューラルネットワークを提案する。 雨を表現するための畳み込み辞書学習機構に基づいて,新しい単一画像デレーニングモデルを提案する。 すべてのレインカーネルとオペレータは自動的に抽出され、レイン層とクリーンなバックグラウンド層の両方の特徴を忠実に特徴付けることができる。
  論文  参考訳（メタデータ） (2020-05-04T09:13:25Z)
• Multi-Scale Progressive Fusion Network for Single Image Deraining [84.0466298828417]
  空気中の雨のストリークは、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。 同様の降雨パターンは、雨像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができる。 本研究では,入力画像のスケールと階層的な深部特徴の観点から,雨天のマルチスケール協調表現について検討する。
  論文  参考訳（メタデータ） (2020-03-24T17:22:37Z)
• An End-to-End Network for Co-Saliency Detection in One Single Image [47.35448093528382]
  単一の画像内の共分散検出は、まだ十分に対処されていない一般的な視覚問題である。 本研究では、バックボーンネットと2つの分岐ネットからなる新しいエンドツーエンドのトレーニングネットワークを提案する。 本研究では,2,019個の自然画像のデータセットを各画像に共分散して構築し,提案手法の評価を行う。
  論文  参考訳（メタデータ） (2019-10-25T16:00:44Z)

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。