Fugu-MT 論文翻訳(概要): Efficient Cost-and-Quality Controllable Arbitrary-scale Super-resolution with Fourier Constraints

論文の概要: Efficient Cost-and-Quality Controllable Arbitrary-scale Super-resolution with Fourier Constraints

arxiv url: http://arxiv.org/abs/2510.23978v1
Date: Tue, 28 Oct 2025 01:19:54 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-29 15:35:36.70437
Title: Efficient Cost-and-Quality Controllable Arbitrary-scale Super-resolution with Fourier Constraints
Title（参考訳）: フーリエ制約付き効率的なコスト・品質制御可能な任意スケール超解像
Authors: Kazutoshi Akita, Norimichi Ukita,
Abstract要約: 任意のスケールの超解像におけるコスト・アンド・クオリティ(CQ)制御は重要である。本稿では,品質と効率を両立させるために,複数コンポーネントを共同で予測する手法を提案する。
参考スコア（独自算出の注目度）: 15.6342846994864
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cost-and-Quality (CQ) controllability in arbitrary-scale super-resolution is crucial. Existing methods predict Fourier components one by one using a recurrent neural network. However, this approach leads to performance degradation and inefficiency due to independent prediction. This paper proposes predicting multiple components jointly to improve both quality and efficiency.
Abstract（参考訳）: 任意のスケールの超解像におけるコスト・アンド・クオリティ(CQ)制御は重要である。既存の手法では、リカレントニューラルネットワークを使用して、Fourierコンポーネントをひとつずつ予測する。しかし、このアプローチは独立予測による性能劣化と非効率性をもたらす。本稿では,品質と効率を両立させるために,複数コンポーネントを共同で予測する手法を提案する。

関連論文リスト

Neural Solver Selection for Combinatorial Optimization [23.449310200885893]
本稿では,特徴抽出,選択モデル,選択戦略を含むニューラルソルバのコーディネートを行うための,最初の汎用フレームワークを提案する。提案するフレームワークは,インスタンスを効果的に分散し,結果として得られる複合解法により性能が大幅に向上することを示す。
論文参考訳（メタデータ） (2024-10-13T02:05:41Z)
Quantum Annealers Chain Strengths: A Simple Heuristic to Set Them All [0.0]
チップトポロジを直接マップしない問題の解決は、量子コンピュータでは依然として困難である。相互接続された物理量子ビットの集合としての論理量子ビットの生成は、チップの間隔によって課される制限を克服する。強磁性結合を維持するために、密結合された論理量子ビットはより低い鎖強度を必要とすることを示す。
論文参考訳（メタデータ） (2024-04-08T12:24:03Z)
Quantization Avoids Saddle Points in Distributed Optimization [1.579622195923387]
分散非最適化は、多くの分散システムの重要な機能を支える。本研究の目的は,サドル点収束を2次定常点収束に効果的に回避できることを示すことである。簡単に調整可能な量子化により、ユーザの制御により、通信オーバーヘッドを積極的に削減できる。
論文参考訳（メタデータ） (2024-03-15T15:58:20Z)
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)
A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
論文参考訳（メタデータ） (2023-06-10T08:25:16Z)
HEAT: Hardware-Efficient Automatic Tensor Decomposition for Transformer Compression [69.36555801766762]
本稿では,分解可能な指数空間を効率的に探索できるハードウェア対応テンソル分解フレームワークHEATを提案する。ハードウェア対応のBERT変異体は, エネルギー遅延を5.7倍に低減し, 精度が1.1%以下であることを示す。
論文参考訳（メタデータ） (2022-11-30T05:31:45Z)
A deep learning method for solving stochastic optimal control problems driven by fully-coupled FBSDEs [1.0703175070560689]
最初にこの問題をStackelberg微分ゲーム問題(リーダー-フォロワー問題)に変換する。ユーティリティーモデルによる投資消費問題の2つの例を計算した。その結果,提案手法の有効性が示された。
論文参考訳（メタデータ） (2022-04-12T13:31:19Z)
CATRO: Channel Pruning via Class-Aware Trace Ratio Optimization [61.71504948770445]
本稿では,CATRO (Class-Aware Trace Ratio Optimization) を用いた新しいチャネルプルーニング手法を提案する。 CATROは、他の最先端チャネルプルーニングアルゴリズムと同等の精度で、同様のコストまたは低コストで高い精度を達成できることを示す。 CATROは、クラス認識の特性のため、様々な分類サブタスクに適応的に効率の良いネットワークを創り出すのに適している。
論文参考訳（メタデータ） (2021-10-21T06:26:31Z)
Fully Quantized Image Super-Resolution Networks [81.75002888152159]
効率と精度を両立させるためのフル量子化画像超解像フレームワーク(FQSR)を提案する。我々は、SRResNet、SRGAN、EDSRを含む複数の主流超解像アーキテクチャに量子化スキームを適用した。低ビット量子化を用いたFQSRは、5つのベンチマークデータセットの完全精度と比較すると、パー性能で実現できる。
論文参考訳（メタデータ） (2020-11-29T03:53:49Z)
Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。