論文の概要: DM$^3$Net: Dual-Camera Super-Resolution via Domain Modulation and Multi-scale Matching

• arxiv url: http://arxiv.org/abs/2506.06993v1
• Date: Sun, 08 Jun 2025 04:51:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.60864
• Title: DM$^3$Net: Dual-Camera Super-Resolution via Domain Modulation and Multi-scale Matching
• Title（参考訳）: DM$^3$Net:ドメイン変調とマルチスケールマッチングによるデュアルカメラ超解法
• Authors: Cong Guan, Jiacheng Ying, Yuya Ieiri, Osamu Yoshie,
• Abstract要約: DM$3$Netはドメイン変調とマルチスケールマッチングに基づく新しいデュアルカメラ超解像ネットワークである。 キープルーニングを導入し,メモリ使用量の大幅な削減と,モデル性能を犠牲にすることなく推定時間を短縮する。
• 参考スコア（独自算出の注目度）: 4.5275109094772485
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dual-camera super-resolution is highly practical for smartphone photography that primarily super-resolve the wide-angle images using the telephoto image as a reference. In this paper, we propose DM$^3$Net, a novel dual-camera super-resolution network based on Domain Modulation and Multi-scale Matching. To bridge the domain gap between the high-resolution domain and the degraded domain, we learn two compressed global representations from image pairs corresponding to the two domains. To enable reliable transfer of high-frequency structural details from the reference image, we design a multi-scale matching module that conducts patch-level feature matching and retrieval across multiple receptive fields to improve matching accuracy and robustness. Moreover, we also introduce Key Pruning to achieve a significant reduction in memory usage and inference time with little model performance sacrificed. Experimental results on three real-world datasets demonstrate that our DM$^3$Net outperforms the state-of-the-art approaches.
• Abstract（参考訳）: デュアルカメラの超解像は、主に望遠像を基準として広角画像を超解像するスマートフォン写真において非常に実用的である。 本稿では,ドメイン変調とマルチスケールマッチングに基づく新しいデュアルカメラ超解像ネットワークDM$3$Netを提案する。 高分解能領域と劣化領域の間の領域ギャップを埋めるために、2つの領域に対応する画像対から2つの圧縮されたグローバル表現を学習する。 参照画像から高周波構造の詳細を確実に転送するために,複数の受容領域にまたがるパッチレベルの特徴マッチングと検索を行い,マッチング精度とロバスト性を向上させるマルチスケールマッチングモジュールを設計する。 さらに、キープルーニングを導入して、メモリ使用量の大幅な削減と、モデル性能を犠牲にすることなく、推論時間を短縮する。 3つの実世界のデータセットに対する実験結果から、DM$^3$Netは最先端のアプローチよりも優れていることが示された。

関連論文リスト

• Semantic Segmentation for Real-World and Synthetic Vehicle's Forward-Facing Camera Images [0.8562182926816566]
  これは、車両の前向きカメラからの実世界の画像と合成画像の両方におけるセマンティックセグメンテーション問題の解決策である。 我々は、さまざまな屋外状況の様々な領域でよく機能するロバストモデルの構築に集中する。 本稿では,意味的セグメンテーション問題における領域適応のための実世界のデータと合成データの併用の有効性について検討する。
  論文  参考訳（メタデータ） (2024-07-07T17:28:45Z)
• Unified Frequency-Assisted Transformer Framework for Detecting and Grounding Multi-Modal Manipulation [109.1912721224697]
  本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。 離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。 提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
  論文  参考訳（メタデータ） (2023-09-18T11:06:42Z)
• Dual Adversarial Adaptation for Cross-Device Real-World Image Super-Resolution [114.26933742226115]
  異なるデバイスからの画像に基づいて訓練された超高解像度(SR)モデルは、異なる画像パターンを示す可能性がある。 本稿では、DADA(Dual Adversarial Adaptation)という、実世界のSRのための教師なしドメイン適応機構を提案する。 3台のカメラで6台のリアル・トゥ・リアル・アダプティブ・セッティングで実験を行い、既存の最先端のアプローチと比較して優れた性能を実現した。
  論文  参考訳（メタデータ） (2022-05-07T02:55:39Z)
• A Triple-Double Convolutional Neural Network for Panchromatic Sharpening [31.392337484731783]
  パンシャルペニング(英: Pansharpening)とは、空間分解能の高いパンクロマティック画像と、空間分解能の低いマルチスペクトル画像の融合を指す。 本稿では,パンシャーピングのためのレベルドメインに基づく損失関数を持つ新しいディープニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-04T04:22:11Z)
• Dual-Camera Super-Resolution with Aligned Attention Modules [56.54073689003269]
  デュアルカメラ・スーパーレゾリューション(DCSR)に着目したレファレンスベース・スーパーレゾリューション(RefSR)への新しいアプローチを提案する。 提案手法は,空間アライメント操作と標準パッチベースの特徴マッチングを一般化する。 実世界の画像とトレーニング画像の領域ギャップを埋めるために,自己監督型領域適応戦略を提案する。
  論文  参考訳（メタデータ） (2021-09-03T07:17:31Z)
• 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)
• DDet: Dual-path Dynamic Enhancement Network for Real-World Image Super-Resolution [69.2432352477966]
  実画像超解像(Real-SR)は、実世界の高分解能画像(HR)と低分解能画像(LR)の関係に焦点を当てている。 本稿では,Real-SRのためのデュアルパス動的拡張ネットワーク(DDet)を提案する。 特徴表現のための大規模な畳み込みブロックを積み重ねる従来の手法とは異なり、非一貫性のある画像対を研究するためのコンテンツ認識フレームワークを導入する。
  論文  参考訳（メタデータ） (2020-02-25T18:24:51Z)

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。