論文の概要: Just Project! Multi-Channel Despeckling, the Easy Way

• arxiv url: http://arxiv.org/abs/2408.11531v1
• Date: Wed, 21 Aug 2024 11:12:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-22 17:17:15.232170
• Title: Just Project! Multi-Channel Despeckling, the Easy Way
• Title（参考訳）: プロジェクトだ! マルチチャネルのデスペクチャリング
• Authors: Loïc Denis, Emanuele Dalsasso, Florence Tupin,
• Abstract要約: 本稿では,既存の単一チャネル分離手法を利用した汎用フレームワークであるMuChaProを紹介する。 鍵となるアイデアは、多数の単一チャネルプロジェクションを生成し、これらのプロジェクションを復元し、それらを最終的なマルチチャネル推定に再結合することである。 MuChaProの特長は、センサ固有のネットワークを学習するための自己教師型トレーニング戦略を適用する可能性である。
• 参考スコア（独自算出の注目度）: 6.161066669674775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reducing speckle fluctuations in multi-channel SAR images is essential in many applications of SAR imaging such as polarimetric classification or interferometric height estimation. While single-channel despeckling has widely benefited from the application of deep learning techniques, extensions to multi-channel SAR images are much more challenging.This paper introduces MuChaPro, a generic framework that exploits existing single-channel despeckling methods. The key idea is to generate numerous single-channel projections, restore these projections, and recombine them into the final multi-channel estimate. This simple approach is shown to be effective in polarimetric and/or interferometric modalities. A special appeal of MuChaPro is the possibility to apply a self-supervised training strategy to learn sensor-specific networks for single-channel despeckling.
• Abstract（参考訳）: 多チャンネルSAR画像におけるスペックル変動の低減は、偏光度分類や干渉高度推定などのSARイメージングの多くの応用において不可欠である。 シングルチャネル復号化はディープラーニング技術の応用から広く恩恵を受けているが、マルチチャネルSAR画像の拡張はより困難である。この記事では、既存のシングルチャネル復号化手法を利用する汎用フレームワークであるMuChaProを紹介する。 鍵となるアイデアは、多数の単一チャネルプロジェクションを生成し、これらのプロジェクションを復元し、それらを最終的なマルチチャネル推定に再結合することである。 この単純なアプローチは偏光度および/または干渉度モダリティに有効であることが示されている。 MuChaProの特長は、センサ固有のネットワークを学習するための自己教師型トレーニング戦略を適用する可能性である。

関連論文リスト

• PolMERLIN: Self-Supervised Polarimetric Complex SAR Image Despeckling with Masked Networks [2.580765958706854]
  脱スペックリングは合成開口レーダ(SAR)画像の品質向上に重要なノイズ低減タスクである。 既存の方法は単一偏光画像のみを扱うため、現代の衛星が捉えた多重偏光画像は扱えない。 本稿では,分極関係を利用したチャネルマスキング手法を提案する。
  論文  参考訳（メタデータ） (2024-01-15T07:06:36Z)
• Fusion of Single and Integral Multispectral Aerial Images [1.6317061277457001]
  複数の入力チャネルからの最も重要な有能な情報を適切に融合することは、多くの空中撮像作業に不可欠である。 本稿では,従来の空中画像と統合的空中画像との最も重要な特徴を融合するための,第1および第2次ハイブリッドアーキテクチャを提案する。 本研究では,探索・救助,山火事検出,野生生物観測の例を示す。
  論文  参考訳（メタデータ） (2023-11-29T10:38:42Z)
• Towards Efficient Subarray Hybrid Beamforming: Attention Network-based Practical Feedback in FDD Massive MU-MIMO Systems [9.320559153486885]
  本稿では,チャネル推定とフィードバックのための協調最適化ネットワークを提案する。 実験の結果,提案するネットワークは,リソースに敏感なユーザ機器において10倍以上軽量であることがわかった。
  論文  参考訳（メタデータ） (2023-02-05T15:12:07Z)
• MIMO-DBnet: Multi-channel Input and Multiple Outputs DOA-aware Beamforming Network for Speech Separation [55.533789120204055]
  混合信号のみを用いた方向案内音声分離のためのエンドツーエンドビームフォーミングネットワークを提案する。 具体的には,複数チャネルの入力と複数出力アーキテクチャを設計し,各ソースの指向性に基づく埋め込みとビームフォーミング重みを推定する。
  論文  参考訳（メタデータ） (2022-12-07T01:52:40Z)
• Deep Generative Models for Downlink Channel Estimation in FDD Massive MIMO Systems [13.267048706241157]
  この課題に対処するために, 深部生成モデル(DGM)に基づく手法を提案する。 アップリンクチャネルとダウンリンクチャネルの部分的相互性を実行し、まず、周波数非依存のチャネルパラメータを推定する。 次に、各伝搬路の位相である周波数固有チャネルパラメータをダウンリンクトレーニングにより推定する。
  論文  参考訳（メタデータ） (2022-03-09T18:32:10Z)
• Channel-wise Knowledge Distillation for Dense Prediction [73.99057249472735]
  本稿では,学生ネットワークと教師ネットワークのチャンネルワイズ機能について提案する。 様々なネットワーク構造を持つ3つのベンチマークにおいて、一貫して優れた性能を実現している。
  論文  参考訳（メタデータ） (2020-11-26T12:00:38Z)
• FedRec: Federated Learning of Universal Receivers over Fading Channels [92.15358738530037]
  本稿では,ダウンリンクフェージングチャネルに対するニューラルネットワークを用いたシンボル検出手法を提案する。 複数のユーザが協力して、普遍的なデータ駆動型検出器を学習する。 得られた受信機の性能は、フェーディング統計の知識を必要とせずに、様々なチャネル条件下でMAP性能に近づくことを示す。
  論文  参考訳（メタデータ） (2020-11-14T11:29:55Z)
• Channel-Level Variable Quantization Network for Deep Image Compression [50.3174629451739]
  チャネルレベルの可変量子化ネットワークを提案し、重要なチャネルに対してより多くの畳み込みを動的に割り当て、無視可能なチャネルに対して退避する。 提案手法は優れた性能を実現し,より優れた視覚的再構成を実現する。
  論文  参考訳（メタデータ） (2020-07-15T07:20:39Z)
• Operation-Aware Soft Channel Pruning using Differentiable Masks [51.04085547997066]
  本稿では,データ駆動型アルゴリズムを提案する。このアルゴリズムは,操作特性を利用して,ディープニューラルネットワークを異なる方法で圧縮する。 我々は大規模な実験を行い、出力ネットワークの精度で優れた性能を達成する。
  論文  参考訳（メタデータ） (2020-07-08T07:44:00Z)
• Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
  本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。 我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。 完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
  論文  参考訳（メタデータ） (2020-06-03T12:18:57Z)

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。