論文の概要: FourierSR: A Fourier Token-based Plugin for Efficient Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2503.10043v1
• Date: Thu, 13 Mar 2025 04:50:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 15:53:06.835455
• Title: FourierSR: A Fourier Token-based Plugin for Efficient Image Super-Resolution
• Title（参考訳）: FourierSR: 効率的な画像超解像のためのフーリエトーケンベースのプラグイン
• Authors: Wenjie Li, Heng Guo, Yuefeng Hou, Zhanyu Ma,
• Abstract要約: 画像超解像(SR)は、高解像度画像に低解像度画像を復元することを目的としており、SR効率を改善することが大きな課題である。 SRの一般的な単位、例えば畳み込みやウィンドウベースのトランスフォーマーは、受容場が限られている。 本稿では、FourierSRと呼ばれるFourierトークンベースのプラグインを提案し、SRを均一に改善する。
• 参考スコア（独自算出の注目度）: 21.909175743080713
• License:
• Abstract: Image super-resolution (SR) aims to recover low-resolution images to high-resolution images, where improving SR efficiency is a high-profile challenge. However, commonly used units in SR, like convolutions and window-based Transformers, have limited receptive fields, making it challenging to apply them to improve SR under extremely limited computational cost. To address this issue, inspired by modeling convolution theorem through token mix, we propose a Fourier token-based plugin called FourierSR to improve SR uniformly, which avoids the instability or inefficiency of existing token mix technologies when applied as plug-ins. Furthermore, compared to convolutions and windows-based Transformers, our FourierSR only utilizes Fourier transform and multiplication operations, greatly reducing complexity while having global receptive fields. Experimental results show that our FourierSR as a plug-and-play unit brings an average PSNR gain of 0.34dB for existing efficient SR methods on Manga109 test set at the scale of x4, while the average increase in the number of Params and FLOPs is only 0.6% and 1.5% of original sizes. We will release our codes upon acceptance.
• Abstract（参考訳）: 画像超解像(SR)は、高解像度画像に低解像度画像を復元することを目的としており、SR効率を改善することが大きな課題である。 しかし、畳み込みやウィンドウベースのトランスフォーマーのようなSRの一般的な単位は、受容の場が限られており、非常に計算コストの少ないSRを改善するのが困難である。 トークンミックスによる畳み込み定理のモデル化にインスパイアされたこの問題に対処するため,FourierSRと呼ばれるFourierトークンベースのプラグインを提案する。 さらに、コンボリューションやウィンドウベースのトランスフォーマーと比較して、フーリエSRはフーリエ変換と乗算演算しか利用せず、グローバルな受容場を持ちながら複雑さを大幅に減らしている。 実験結果から,FourierSRをプラグ・アンド・プレイユニットとして用いると,既存のマンガ109テストセットでx4の精度でPSNRが0.34dB向上し,ParamsとFLOPsの平均増加率は0.6%と1.5%に過ぎなかった。 私たちは受け入れ次第コードを公開します。

関連論文リスト

• A Low-Resolution Image is Worth 1x1 Words: Enabling Fine Image Super-Resolution with Transformers and TaylorShift [6.835244697120131]
  1x1のパッチサイズを利用して制限に対処するTaylorIRを提案し、任意のトランスフォーマーベースSRモデルでピクセルレベルの処理を可能にする。 実験により,従来の自己注意型変圧器と比較して,メモリ消費を最大60%削減しながら,最先端のSR性能を実現することができた。
  論文  参考訳（メタデータ） (2024-11-15T14:43:58Z)
• HiT-SR: Hierarchical Transformer for Efficient Image Super-Resolution [70.52256118833583]
  変換器ベースSRネットワークを階層変換器(HiT-SR)に変換する戦略を提案する。 具体的には、一般的に使われている固定された小さなウィンドウを階層的なウィンドウに置き換えて、異なるスケールで機能を集約する。 大規模なウィンドウに必要となる計算量を考慮すると、窓の大きさに線形な複雑性を持つ空間チャネル相関法をさらに設計する。
  論文  参考訳（メタデータ） (2024-07-08T12:42:10Z)
• Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
  我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。 より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。 我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
  論文  参考訳（メタデータ） (2024-05-08T11:09:24Z)
• Transforming Image Super-Resolution: A ConvFormer-based Efficient Approach [58.57026686186709]
  本稿では, Convolutional Transformer Layer (ConvFormer) を導入し, ConvFormer-based Super-Resolution Network (CFSR) を提案する。 CFSRは畳み込みベースのアプローチとトランスフォーマーベースのアプローチの両方の利点を継承する。 CFSRは計算コストと性能のバランスが最適であることを示す実験である。
  論文  参考訳（メタデータ） (2024-01-11T03:08:00Z)
• Contextual Learning in Fourier Complex Field for VHR Remote Sensing Images [64.84260544255477]
  変圧器を用いたモデルでは、一般解像度(224x224ピクセル)の自然画像から高次文脈関係を学習する優れた可能性を示した そこで本研究では,高次文脈情報のモデル化を行う複雑な自己意識(CSA)機構を提案する。 CSAブロックの様々な層を積み重ねることで、VHR空中画像からグローバルな文脈情報を学習するFourier Complex Transformer(FCT)モデルを提案する。
  論文  参考訳（メタデータ） (2022-10-28T08:13:33Z)
• ITSRN++: Stronger and Better Implicit Transformer Network for Continuous Screen Content Image Super-Resolution [32.441761727608856]
  提案手法は,SCI SR(x3 SRでは0.74dBのSwinIR性能)の最先端性能を実現し,自然画像SRにも有効である。 大規模なSCI2Kデータセットを構築し,SCI SRの研究を容易にする。
  論文  参考訳（メタデータ） (2022-10-17T07:47:34Z)
• Hybrid Pixel-Unshuffled Network for Lightweight Image Super-Resolution [64.54162195322246]
  畳み込みニューラルネットワーク(CNN)は画像超解像(SR)において大きな成功を収めた ほとんどのディープCNNベースのSRモデルは、高い性能を得るために大量の計算を処理している。 SRタスクに効率的かつ効果的なダウンサンプリングモジュールを導入することで,HPUN(Hybrid Pixel-Unshuffled Network)を提案する。
  論文  参考訳（メタデータ） (2022-03-16T20:10:41Z)
• Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
  提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。 フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。 訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
  論文  参考訳（メタデータ） (2021-06-01T20:34:52Z)

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。