Fugu-MT 論文翻訳(概要): The Tenth NTIRE 2025 Efficient Super-Resolution Challenge Report

論文の概要: The Tenth NTIRE 2025 Efficient Super-Resolution Challenge Report

arxiv url: http://arxiv.org/abs/2504.10686v1
Date: Mon, 14 Apr 2025 20:18:21 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-24 08:24:00.698344
Title: The Tenth NTIRE 2025 Efficient Super-Resolution Challenge Report
Title（参考訳）: 第10回 NTIRE 2025 能率超解法問題報告
Abstract要約: NTIRE 2025 Challenge on Single-Image Efficient Super-Resolution (ESR)は、主要な計算メトリクスを最適化するモデルの開発を進めることを目的としている。本稿では,最先端のシングルイメージESR技術における画期的な進歩を強調し,これらの手法と成果を慎重に分析する。
参考スコア（独自算出の注目度）: 170.81876816944754
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a comprehensive review of the NTIRE 2025 Challenge on Single-Image Efficient Super-Resolution (ESR). The challenge aimed to advance the development of deep models that optimize key computational metrics, i.e., runtime, parameters, and FLOPs, while achieving a PSNR of at least 26.90 dB on the $\operatorname{DIV2K\_LSDIR\_valid}$ dataset and 26.99 dB on the $\operatorname{DIV2K\_LSDIR\_test}$ dataset. A robust participation saw \textbf{244} registered entrants, with \textbf{43} teams submitting valid entries. This report meticulously analyzes these methods and results, emphasizing groundbreaking advancements in state-of-the-art single-image ESR techniques. The analysis highlights innovative approaches and establishes benchmarks for future research in the field.
Abstract（参考訳）: 本稿では,NTIRE 2025 Challenge on Single-Image Efficient Super-Resolution (ESR)について概説する。この課題は、主要な計算量、すなわちランタイム、パラメータ、FLOPを最適化するディープモデルの開発を推進し、$\operatorname{DIV2K\_LSDIR\_valid}$データセットで少なくとも26.90dB、$\operatorname{DIV2K\_LSDIR\_test}$データセットで26.99dBを達成した。堅牢な参加には、‘textbf{244} registered entrants’があり、‘textbf{43}チームが有効なエントリを提出している。本報告では,最先端のシングルイメージESR技術における画期的な進歩を強調し,これらの手法と成果を慎重に分析する。この分析は革新的なアプローチを強調し、この分野における将来の研究のためのベンチマークを確立する。

関連論文リスト

The Fourth Challenge on Image Super-Resolution ($\ imes$4) at NTIRE 2026: Benchmark Results and Method Overview [202.40386112006652]
NTIRE 2026イメージ超解像(4ドル)チャレンジは、CVPR 2026のNTIRE 2026ワークショップのコンペティションのひとつ。この課題は、低分解能(LR)入力から高分解能(HR)イメージを2倍のダウンサンプリングで$times$4スケールファクタで再構築することを目的としている。本報告では、参加チームの課題設計、データセット、評価プロトコル、主な成果、方法について要約する。
論文参考訳（メタデータ） (2026-04-16T02:41:53Z)
The Eleventh NTIRE 2026 Efficient Super-Resolution Challenge Report [122.8376730579832]
本稿では,NTIRE 2026の高効率単一像超解像問題について概説する。この課題の目的は、ランタイム、パラメータ、FLOPなどの1つまたは複数の側面を減らすネットワークを考案することである。この挑戦には95人の登録参加者が参加し、15チームが有効な応募を行った。
論文参考訳（メタデータ） (2026-04-03T17:17:26Z)
AIM 2025 challenge on Inverse Tone Mapping Report: Methods and Results [157.40117175150962]
本稿では,AIM 2025 Challenge on Inverse Tone Mapping (ITM)についてレビューする。この課題は、単一のLDR入力からのHDR画像再構成に有効なIMMアルゴリズムの開発を推し進めることであった。本報告では, PU21-PSNRが29.22dBに達している。
論文参考訳（メタデータ） (2025-08-19T03:18:22Z)
AIM 2025 Rip Current Segmentation (RipSeg) Challenge Report [97.46639062939211]
AIM 2025 RipSeg Challengeは、静止画像の自動リップ電流セグメンテーションの技術の進歩を目的として設計されている。データセットはさまざまな場所、リップカレントタイプ、カメラの向きにまたがっており、現実的で挑戦的なベンチマークを提供する。本報告では、データセットの詳細、競合フレームワーク、評価指標、最終結果について概説し、リップ電流セグメンテーションの現状に関する洞察を提供する。
論文参考訳（メタデータ） (2025-08-18T23:34:56Z)
NTIRE 2025 Challenge on Efficient Burst HDR and Restoration: Datasets, Methods, and Results [89.9254007598818]
NTIRE 2025 Efficient Burst HDR and Restoration Challengeをレビューする。この課題は、新しいRAWマルチフレームフュージョンデータセットに基づいている。最高性能のアプローチはPSNRの43.22dBを達成した。
論文参考訳（メタデータ） (2025-05-17T17:10:22Z)
NTIRE 2025 Challenge on Image Super-Resolution ($\times$4): Methods and Results [159.15538432295656]
NTIRE 2025イメージ超解像(4ドル)チャレンジは、CVPR 2025の第10回NETREワークショップのコンペティションのひとつ。この課題は、低分解能(LR)画像から高分解能(HR)画像を復元することを目的としている。 286人の参加者が参加し、25チームが有効なエントリーを提出した。
論文参考訳（メタデータ） (2025-04-20T12:08:22Z)
NTIRE 2025 Challenge on Cross-Domain Few-Shot Object Detection: Methods and Results [191.59142290750043]
Cross-Domain Few-Shot Object Detection (CD-FSOD)は、ドメインにまたがって適用された場合、既存のオブジェクト検出モデルに重大な課題をもたらす。 NTIRE 2025とともに第1回CD-FSODチャレンジを組織し、ラベル付きデータのみを限定した全く新しいターゲットドメイン上での現在の対象検出器の性能向上を目指した。第1回 NTIRE 2025 CD-FSOD Challenge の概要を紹介する。
論文参考訳（メタデータ） (2025-04-14T20:17:27Z)
The Ninth NTIRE 2024 Efficient Super-Resolution Challenge Report [180.94772271910315]
本稿は,NTIRE 2024の課題を概観し,効率的な単一画像超解像(ESR)ソリューションに焦点をあてる。主な目的は、ランタイム、パラメータ、FLOPなどの様々な側面を最適化するネットワークを開発することである。このチャレンジには262人の登録参加者が参加し、34チームが有効な応募を行った。
論文参考訳（メタデータ） (2024-04-16T07:26:20Z)
NTIRE 2024 Challenge on Image Super-Resolution ($\times$4): Methods and Results [126.78130602974319]
画像の超高解像度化に関するNTIRE 2024の課題(4ドル)をレビューする。この課題は、低解像度(LR)入力から4倍の倍率で対応する高解像度(HR)画像を生成することである。この挑戦の目的は、最も先進的なSR性能を持つ設計/解決を得ることである。
論文参考訳（メタデータ） (2024-04-15T13:45:48Z)
HAlf-MAsked Model for Named Entity Sentiment analysis [0.0]
RuSentNE-23の評価において、異なるトランスフォーマーベースのソリューション NESA について検討した。この問題を克服するためのいくつかのアプローチを提案し、その中にはマスク付きエンティティで与えられたデータに渡される新たなパス技術がある。提案モデルでは,RuSentNE-23評価データに対して最高の結果が得られ,エンティティレベルの感情分析における一貫性が向上することを示す。
論文参考訳（メタデータ） (2023-08-30T06:53:24Z)
NTIRE 2023 Challenge on Light Field Image Super-Resolution: Dataset, Methods and Results [94.63112105689488]
本報告では、光場(LF)画像超解像(SR)に関する最初のNTIRE課題を要約する。標準バイコビック劣化下でのLF画像の超解像化を目的としており、倍率係数は4。参加者が提案するソリューションを報告し、それらの共通する傾向と有用なトリックを要約する。
論文参考訳（メタデータ） (2023-04-20T15:59:31Z)
Controllable Textual Inversion for Personalized Text-to-Image Generation [24.18758951295929]
テキスト・インバージョン(TI)は、ユーザ定義、未確認、ロングテールの概念トークンを含むプロンプトの生成をパーソナライズする効果的な手法として提案されている。本研究では、上記の問題を全て解決し、堅牢で、データ効率が高く、使いやすいフレームワークを提供するために、制御可能なテキスト・インバージョン(COTI)と呼ばれる高機能なTIを提案する。
論文参考訳（メタデータ） (2023-04-11T14:56:44Z)

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。