論文の概要: An Adaptive Edge-Guided Dual-Network Framework for Fast QR Code Motion Deblurring

• arxiv url: http://arxiv.org/abs/2510.12098v1
• Date: Tue, 14 Oct 2025 03:03:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.165843
• Title: An Adaptive Edge-Guided Dual-Network Framework for Fast QR Code Motion Deblurring
• Title（参考訳）: 高速QRコード動作劣化のための適応エッジガイド型デュアルネットワークフレームワーク
• Authors: Jianping Li, Dongyang Guo, Wenjie Li, Wei Zhao,
• Abstract要約: 本稿では,エッジガイド型アテンションブロック (EGAB) を提案する。 EGABをベースとしたエッジガイド型リストーマー(EG-Restormer)は,粗いQRコードの復号率を大幅に向上させる効果のあるネットワークである。 さらに,これらの2つのネットワークをadaptive Dual-network (ADNet) に統合し,入力のぼやけた重大度に基づいて適切なネットワークを動的に選択する。
• 参考スコア（独自算出の注目度）: 11.384379541597726
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unlike general image deblurring that prioritizes perceptual quality, QR code deblurring focuses on ensuring successful decoding. QR codes are characterized by highly structured patterns with sharp edges, a robust prior for restoration. Yet existing deep learning methods rarely exploit these priors explicitly. To address this gap, we propose the Edge-Guided Attention Block (EGAB), which embeds explicit edge priors into a Transformer architecture. Based on EGAB, we develop Edge-Guided Restormer (EG-Restormer), an effective network that significantly boosts the decoding rate of severely blurred QR codes. For mildly blurred inputs, we design the Lightweight and Efficient Network (LENet) for fast deblurring. We further integrate these two networks into an Adaptive Dual-network (ADNet), which dynamically selects the suitable network based on input blur severity, making it ideal for resource-constrained mobile devices. Extensive experiments show that our EG-Restormer and ADNet achieve state-of-the-art performance with a competitive speed. Project page: https://github.com/leejianping/ADNet
• Abstract（参考訳）: 知覚品質を優先する一般的なイメージデブロアリングとは異なり、QRコードデブロアリングはデコードの成功を保証することに焦点を当てている。 QRコードは、鋭いエッジを持つ高度に構造化されたパターンによって特徴付けられる。 しかし、既存のディープラーニング手法では、これらの先入観を明示的に活用することは滅多にない。 このギャップに対処するため,エッジガイド型アテンションブロック (EGAB) を提案する。 EGABをベースとしたエッジガイド型リストーマー(EG-Restormer)は,粗いQRコードの復号率を大幅に向上させる効果のあるネットワークである。 軽度にぼやけた入力に対して、高速なデブロアリングのための軽量・高効率ネットワーク(LENet)を設計する。 さらに,これらの2つのネットワークをadaptive Dual-network (ADNet)に統合し,入力のぼやけ度に基づいて動的に適切なネットワークを選択することにより,リソース制約のあるモバイルデバイスに最適である。 EG-RestormerとADNetは競争速度で最先端のパフォーマンスを実現している。 プロジェクトページ: https://github.com/leejianping/ADNet

関連論文リスト

• Edge AI-based Radio Frequency Fingerprinting for IoT Networks [0.0]
  暗号は、小さなフットプリントのリソース制限されたデバイス(つまりIoT)に対して、しばしばリソース集約的である。 RFF(Radio Frequency Fingerprinting)は、暗号化ソリューションに頼ることなく、有望な認証手段を提供する。 リソース制約のあるデバイスに適した、非常に軽量なEdge AIベースのRFFスキームを2つ導入する。
  論文  参考訳（メタデータ） (2024-12-13T20:55:10Z)
• Reversible Decoupling Network for Single Image Reflection Removal [15.763420129991255]
  本稿では, 可逆エンコーダを提案し, 透過・反射関連特性を柔軟に分離する。 RDNet は NTIRE 2025 Single Image Reflection removal in the Wild Challenge において、忠実さと知覚的比較の両方において最高のパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2024-10-10T15:58:27Z)
• PirateNets: Physics-informed Deep Learning with Residual Adaptive Networks [19.519831541375144]
  本研究では,深いPINNモデルの安定かつ効率的なトレーニングを容易にするために物理インフォームドResidual Adaptive Networks(PirateNets)を導入する。 PirateNetsは、新たなアダプティブな残留接続を活用し、トレーニング中に徐々に深くなっていく浅いネットワークとしてネットワークを利用できる。 PirateNetsは最適化が容易で、精度が大幅に向上し、最終的には様々なベンチマークで最先端の結果が得られます。
  論文  参考訳（メタデータ） (2024-02-01T04:17:56Z)
• Practical Conformer: Optimizing size, speed and flops of Conformer for on-Device and cloud ASR [67.63332492134332]
  我々は、デバイス上の制約を満たすのに十分小さく、TPUを高速に推論できる最適化されたコンバータを設計する。 提案するエンコーダは、デバイス上では強力なスタンドアロンエンコーダとして、また高性能なASRパイプラインの第1部として利用することができる。
  論文  参考訳（メタデータ） (2023-03-31T23:30:48Z)
• Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
  画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。 本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。 本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T21:06:13Z)
• Dynamics-aware Adversarial Attack of Adaptive Neural Networks [75.50214601278455]
  適応型ニューラルネットワークの動的対向攻撃問題について検討する。 本稿では,LGM(Leaded Gradient Method)を提案する。 我々のLGMは、動的無意識攻撃法と比較して、優れた敵攻撃性能を達成している。
  論文  参考訳（メタデータ） (2022-10-15T01:32:08Z)
• Deep Learning without Shortcuts: Shaping the Kernel with Tailored Rectifiers [83.74380713308605]
  我々は、ReLUの変種であるLeaky ReLUsと完全に互換性のある新しいタイプの変換を開発する。 実験では,ResNetsと競合する深層バニラネットワークによる検証精度を考慮し,計算コストを考慮しない手法を提案する。
  論文  参考訳（メタデータ） (2022-03-15T17:49:08Z)
• Traditional Method Inspired Deep Neural Network for Edge Detection [7.125116757822889]
  最小限の複雑さで優れたエッジを生成するために,従来の手法にインスパイアされたフレームワークを提案する。 我々のTIN2(Traditional Inspired Network)モデルは、最近のBDCN2(Bi-Directional Cascade Network)よりも精度が高いが、より小さいモデルである。
  論文  参考訳（メタデータ） (2020-05-28T09:20:37Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)

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。