論文の概要: Single Image Super-Resolution Based on Global-Local Information Synergy

• arxiv url: http://arxiv.org/abs/2405.01085v1
• Date: Thu, 2 May 2024 08:29:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-03 17:23:40.700567
• Title: Single Image Super-Resolution Based on Global-Local Information Synergy
• Title（参考訳）: グローバルローカル情報合成に基づく単一画像超解法
• Authors: Nianzu Qiao, Lamei Di, Changyin Sun,
• Abstract要約: 本稿では,新しい超解像再構成アルゴリズムを提案する。 このアルゴリズムは,低複雑性を維持しながら,一意の設計により精度を著しく向上させる。 実験結果から,本論文で提案するアルゴリズムの総合的な性能は最適であることがわかった。
• 参考スコア（独自算出の注目度）: 14.874224120737438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although several image super-resolution solutions exist, they still face many challenges. CNN-based algorithms, despite the reduction in computational complexity, still need to improve their accuracy. While Transformer-based algorithms have higher accuracy, their ultra-high computational complexity makes them difficult to be accepted in practical applications. To overcome the existing challenges, a novel super-resolution reconstruction algorithm is proposed in this paper. The algorithm achieves a significant increase in accuracy through a unique design while maintaining a low complexity. The core of the algorithm lies in its cleverly designed Global-Local Information Extraction Module and Basic Block Module. By combining global and local information, the Global-Local Information Extraction Module aims to understand the image content more comprehensively so as to recover the global structure and local details in the image more accurately, which provides rich information support for the subsequent reconstruction process. Experimental results show that the comprehensive performance of the algorithm proposed in this paper is optimal, providing an efficient and practical new solution in the field of super-resolution reconstruction.
• Abstract（参考訳）: 画像超解法はいくつか存在するが、それでも多くの課題に直面している。 CNNベースのアルゴリズムは、計算の複雑さが減っているにもかかわらず、精度を改善する必要がある。 Transformerベースのアルゴリズムは精度が高いが、その超高計算複雑性により、実用アプリケーションでは受け入れられ難い。 本稿では,既存の課題を克服するために,新しい超解像再構成アルゴリズムを提案する。 このアルゴリズムは,低複雑性を維持しながら,一意の設計により精度を著しく向上させる。 このアルゴリズムの中核は、巧妙に設計されたグローバルローカル情報抽出モジュールとベーシックブロックモジュールにある。 グローバル・ローカル情報抽出モジュールは,グローバル・ローカル・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメー 実験結果から,本論文で提案するアルゴリズムの総合的な性能は最適であり,超解像再構成の分野において,効率的かつ実用的な新しい解法を提供する。

関連論文リスト

• CascadedGaze: Efficiency in Global Context Extraction for Image Restoration [12.967835674413596]
  我々はGCE(Global Context Extractor)を利用したエンコーダデコーダアーキテクチャであるCascadedGaze Network(CGNet)を提案する。 GCEモジュールは、畳み込み層にまたがる小さなカーネルを活用して、自己注意を必要とせず、グローバルな依存関係を学習する。
  論文  参考訳（メタデータ） (2024-01-26T22:59:51Z)
• Low-Resolution Self-Attention for Semantic Segmentation [96.81482872022237]
  我々は,グローバルコンテキストを計算コストの大幅な削減で捉えるために,低解像度自己認識(LRSA)機構を導入する。 我々のアプローチは、入力画像の解像度に関わらず、固定された低解像度空間における自己注意を計算することである。 本稿では,エンコーダ・デコーダ構造を持つビジョントランスであるLRFormerを構築することで,LRSA手法の有効性を示す。
  論文  参考訳（メタデータ） (2023-10-08T06:10:09Z)
• Super-Resolving Face Image by Facial Parsing Information [52.1267613768555]
  顔超解像は、低解像度の顔画像を対応する高解像度の画像に変換する技術である。 我々は,低解像度の顔画像から先行する顔を抽出する,新しい解析マップ付き顔超解像ネットワークを構築した。 高解像度特徴はより正確な空間情報を含み、低解像度特徴は強い文脈情報を提供する。
  論文  参考訳（メタデータ） (2023-04-06T08:19:03Z)
• CoT-MISR:Marrying Convolution and Transformer for Multi-Image Super-Resolution [3.105999623265897]
  解像度の低い画像を変換して高解像度の画像情報を復元する方法は、これまで研究されてきた問題だ。 CoT-MISRネットワークは、畳み込みとtrの利点を利用して、ローカルおよびグローバルな情報を補完する。
  論文  参考訳（メタデータ） (2023-03-12T03:01:29Z)
• Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
  本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。 我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。 提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
  論文  参考訳（メタデータ） (2022-04-19T17:59:45Z)
• CM-GAN: Image Inpainting with Cascaded Modulation GAN and Object-Aware Training [112.96224800952724]
  複雑な画像に大きな穴をあける際の可視像構造を生成するためのカスケード変調GAN(CM-GAN)を提案する。 各デコーダブロックにおいて、まず大域変調を適用し、粗い意味認識合成構造を行い、次に大域変調の出力に空間変調を適用し、空間適応的に特徴写像を更に調整する。 さらに,ネットワークがホール内の新たな物体を幻覚させるのを防ぐため,実世界のシナリオにおける物体除去タスクのニーズを満たすために,オブジェクト認識型トレーニングスキームを設計する。
  論文  参考訳（メタデータ） (2022-03-22T16:13:27Z)
• A residual-based message passing algorithm for constraint satisfaction problems [2.474258157236412]
  メッセージパッシングアルゴリズムに残差ベースの更新ステップを導入する。 提案アルゴリズムは, メッセージ更新の収束を改善し, 計算コストの低い満足度しきい値付近の解を求める際の成功確率を向上することを示す。
  論文  参考訳（メタデータ） (2022-02-25T02:43:20Z)
• Reinforcement learning for multi-item retrieval in the puzzle-based storage system [0.694936386455667]
  本研究は,パズルベースの記憶システムにおける多項目検索問題の解法として,深層強化学習アルゴリズムを開発した。 大規模な数値実験により、強化学習アプローチによって高品質な解が得られることが示された。 同時動作と大規模インスタンスを扱うために,変換アルゴリズムと分解フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-05T12:39:21Z)
• Community detection using fast low-cardinality semidefinite programming [94.4878715085334]
  局所的な更新を一般化し、ライデン-k-カットから導かれる半定緩和を最大化する、新しい低カルチナリティアルゴリズムを提案する。 提案アルゴリズムはスケーラビリティが高く,最先端のアルゴリズムより優れ,実時間では性能が向上し,追加コストがほとんどない。
  論文  参考訳（メタデータ） (2020-12-04T15:46:30Z)
• Multi-consensus Decentralized Accelerated Gradient Descent [31.76773130271547]
  分散凸最適化問題は、大規模機械学習、センサーネットワーク、制御理論に幅広い応用がある。 本稿では,最適な計算複雑性とほぼ最適な通信複雑性を実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-02T11:10:32Z)
• Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
  畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。 ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。 提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
  論文  参考訳（メタデータ） (2020-03-15T11:04:30Z)

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。