論文の概要: Anisotropic Pooling for LUT-realizable CNN Image Restoration

• arxiv url: http://arxiv.org/abs/2510.21437v1
• Date: Fri, 24 Oct 2025 13:14:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 09:00:15.479247
• Title: Anisotropic Pooling for LUT-realizable CNN Image Restoration
• Title（参考訳）: LUT実現可能なCNN画像復元のための異方性プーリング
• Authors: Xi Zhang, Xiaolin Wu,
• Abstract要約: 画像復元CNNのテーブルルックアップ実現は、競争力のある画像品質を実現する可能性を秘めている。 主要な技術的課題は、受容場を過度に制限することなくテーブルサイズを管理することである。 本研究では, 平均プールよりも測定可能な利得をもたらす一般化中央プール法を提案する。
• 参考スコア（独自算出の注目度）: 17.840575514075706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Table look-up realization of image restoration CNNs has the potential of achieving competitive image quality while being much faster and resource frugal than the straightforward CNN implementation. The main technical challenge facing the LUT-based CNN algorithm designers is to manage the table size without overly restricting the receptive field. The prevailing strategy is to reuse the table for small pixel patches of different orientations (apparently assuming a degree of isotropy) and then fuse the look-up results. The fusion is currently done by average pooling, which we find being ill suited to anisotropic signal structures. To alleviate the problem, we investigate and discuss anisotropic pooling methods to replace naive averaging for improving the performance of the current LUT-realizable CNN restoration methods. First, we introduce the method of generalized median pooling which leads to measurable gains over average pooling. We then extend this idea by learning data-dependent pooling coefficients for each orientation, so that they can adaptively weigh the contributions of differently oriented pixel patches. Experimental results on various restoration benchmarks show that our anisotropic pooling strategy yields both perceptually and numerically superior results compared to existing LUT-realizable CNN methods.
• Abstract（参考訳）: テーブルのルックアップによる画像復元CNNの実現は、単純なCNNの実装よりもはるかに高速で、かつリソースの粗悪な競合画像品質を実現する可能性を秘めている。 LUTベースのCNNアルゴリズム設計者が直面している主な技術的課題は、受容領域を過度に制限することなくテーブルサイズを管理することである。 一般的な戦略は、テーブルを異なる向きの小さなピクセルパッチ(明らかに等方性の度合いを仮定する)のために再利用し、ルックアップ結果を融合させることである。 現在、核融合は平均的なプーリングによって行われており、異方性信号構造に不適合である。 そこで本研究では,現在のLUT実現可能なCNN修復法の性能向上のために,平均値の代替となる異方性プール法について検討し,検討する。 まず、平均プールよりも測定可能な利得をもたらす一般化中央プール法を提案する。 次に、各向きに対するデータ依存プーリング係数を学習することにより、このアイデアを拡張し、異なる向きの画素パッチの寄与を適応的に評価できるようにする。 その結果, 従来のLUT実現可能なCNN法と比較して, 異方性プール法は知覚的にも数値的にも優れていることがわかった。

関連論文リスト

• Application of convolutional neural networks in image super-resolution [99.25287909319401]
  畳み込みニューラルネットワーク(CNN)は、画像超解像の主流の手法となっている。 異なるタイプの深層学習方法には大きな違いがある。 本稿では,まず画像超解像におけるCNNの原理を紹介し,次にCNNをベースとしたバイキュビック,近傍,双線形,変換畳み込み,サブピクセル層,画像超解像のためのメタアップサンプリングを紹介する。 最後に, 画像超解像におけるCNNの発展を促進するため, 研究の潜在的なポイントと欠点を概説し, 論文全体を要約する。
  論文  参考訳（メタデータ） (2025-06-03T08:28:08Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Magic ELF: Image Deraining Meets Association Learning and Transformer [63.761812092934576]
  本稿では,CNN と Transformer を統合化して,画像デライニングにおける学習のメリットを活用することを目的とする。 降雨除去と背景復旧を関連づける新しいマルチインプット・アテンション・モジュール (MAM) を提案する。 提案手法(ELF)は,最先端手法(MPRNet)を平均0.25dB向上させる。
  論文  参考訳（メタデータ） (2022-07-21T12:50:54Z)
• Variational Deep Image Restoration [20.195082841065947]
  本稿では,画像復元のための新しい変分推論フレームワークと,提案フレームワークで記述した復元問題を解決する畳み込みニューラルネットワーク(CNN)構造を提案する。 具体的には,ガウス雑音の除去,実環境雑音の低減,ブラインド画像の超解像,JPEG圧縮アーティファクトの低減について,最先端の性能を提供する。
  論文  参考訳（メタデータ） (2022-07-03T16:32:15Z)
• Geometric Data Augmentation Based on Feature Map Ensemble [17.522601831197854]
  既存のCNNのバックボーンを変更することなく、幾何学変換に対するロバスト性を向上できる新しいCNNアーキテクチャを提案する。 提案手法は, 最先端データ拡張アルゴリズムと組み合わせて, 性能向上に有効である。
  論文  参考訳（メタデータ） (2021-07-22T08:48:54Z)
• Image Restoration by Deep Projected GSURE [115.57142046076164]
  Ill-posed inverse problem は、デブロアリングや超解像など、多くの画像処理アプリケーションに現れる。 本稿では,一般化されたSteinUnbiased Risk Estimator(GSURE)の「投影変換」とCNNによる潜在画像のパラメータ化を含む損失関数の最小化に基づく,新たな画像復元フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-04T08:52:46Z)
• Refining activation downsampling with SoftPool [74.1840492087968]
  畳み込みニューラルネットワーク(cnns)は、アクティベーションマップのサイズを減らすためにプールを使用する。 指数重化アクティベーションダウンサンプリングの高速かつ効率的な方法であるSoftPoolを提案します。 SoftPoolは、アクティベーションマップの縮小でより多くの情報を保持できることを示します。
  論文  参考訳（メタデータ） (2021-01-02T12:09:49Z)

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。