論文の概要: Spiking Pyramid Wavelet Transformation for High-efficient and Low-energy Image Restoration

• arxiv url: http://arxiv.org/abs/2606.18644v1
• Date: Wed, 17 Jun 2026 03:27:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:50.98464
• Title: Spiking Pyramid Wavelet Transformation for High-efficient and Low-energy Image Restoration
• Title（参考訳）: 高効率低エネルギー画像再生のためのスパイキングピラミッドウェーブレット変換
• Authors: Chen Zhao, Xiantao Hu, Song Wu, Qian Wang, Chen Wu, Rui Xie, Jian Yang, Ying Tai,
• Abstract要約: スパイキングニューラルネットワーク(SNN)は、効率性と生物学的インスピレーションの可能性から、コンピュータビジョンに対する大きな関心を集めている。 本研究では,高効率かつ低エネルギーなターゲットを対象としたスパイキングピラミッドウェーブレットモデル(SPWM)を提案する。
• 参考スコア（独自算出の注目度）: 39.79257931621612
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spiking neural networks (SNNs) have garnered significant interest in computer vision due to their potential for efficiency and biological inspiration. While spiking CNN-based methods have shown promise for image restoration (IR) tasks, their performance is constrained by the inherent receptive field limitations of CNN operations. In the paper, we explore the benefits of discrete wavelet transformation and propose a spiking pyramid wavelet-based model (SPWM) for high-efficient and low-energy target. Specifically, we develop a spiking dual pyramid wavelet (SDPW) block to model long-range dependency and exploit the properties of the degradation in the wavelet domain. Experimental results on several benchmarks demonstrate that SPWM significantly lowers computational costs and energy consumption while maintaining image quality. Our method showcases the potential of SNNs in the field of IR, offering new insights for future applications of resource-limited devices.
• Abstract（参考訳）: スパイキングニューラルネットワーク(SNN)は、効率性と生物学的インスピレーションの可能性から、コンピュータビジョンに対する大きな関心を集めている。 スパイクされたCNNベースの手法は、画像復元(IR)タスクを約束することを示しているが、その性能はCNN操作の固有受容場制限によって制約されている。 本稿では、離散ウェーブレット変換の利点を探求し、高効率で低エネルギーなターゲットに対するスパイキングピラミッドウェーブレットベースモデル(SPWM)を提案する。 具体的には、長距離依存性をモデル化し、ウェーブレット領域の劣化特性を活用するために、スパイキングデュアルピラミッドウェーブレット(SDPW)ブロックを開発する。 複数のベンチマークによる実験結果から,SPWMは画像品質を維持しながら計算コストとエネルギー消費を大幅に低減することが示された。 提案手法は,IR分野におけるSNNの可能性を示し,リソース制限デバイスの将来的な応用に向けた新たな洞察を提供する。

関連論文リスト

• Neural Dynamics Self-Attention for Spiking Transformers [59.57278823240336]
  TransformerアーキテクチャによるSNN(Spike Neural Networks)は、エネルギー効率とパフォーマンスのバランスをとるための、有望な経路を提供する。 既存のスパイキングトランスフォーマーは、(i)ニューラルネットワーク(ANN)と(ii)推論時の高メモリオーバーヘッドと比較して、大幅なパフォーマンスギャップがあるという2つの重要な課題に直面している。 本稿では、局所受容野を持つスパイキングニューロンを用いて、メモリ要求を減らしながら注意を計算するLRF-Dynを提案する。
  論文  参考訳（メタデータ） (2026-03-09T12:23:37Z)
• Exploring Superposition and Interference in State-of-the-Art Low-Parameter Vision Models [0.0]
  ニューロンが同時に複数の特徴を符号化する重畳現象である特徴写像の干渉に対処する。 本研究は,超低スケールネットワーク(1.5Mパラメータ下で)のスケーリングと精度を高めるために,干渉制限が有効であることを示唆している。 実験から得られた機械的知見に基づいて,ImageNetデータセット上での堅牢なスケーリング精度を実証した概念実証アーキテクチャであるNoDepth Bottleneckを提案する。
  論文  参考訳（メタデータ） (2025-07-21T16:57:25Z)
• Frequency Domain Enhanced U-Net for Low-Frequency Information-Rich Image Segmentation in Surgical and Deep-Sea Exploration Robots [34.28684917337352]
  CNNと人間の視覚系における周波数帯域感度の差について検討する。 本稿では、生体視覚機構にインスパイアされたウェーブレット適応スペクトル融合(WASF)法を提案する。 我々は SAM2 のバックボーンネットワークを利用する FE-UNet モデルを開発し, セグメンテーション精度を確保するために細調整した Hiera-Large モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2025-02-06T07:24:34Z)
• Spiking-PhysFormer: Camera-Based Remote Photoplethysmography with Parallel Spike-driven Transformer [15.08113674331192]
  スパイキングネットワーク(SNN)は、エネルギー効率のよいディープラーニングの可能性を秘めている。 本稿では,消費電力削減を目的としたハイブリッドニューラルネットワーク(HNN)モデルであるSpking-PhysFormerを提案する。 提案モデルでは,PhysFormerと比較して12.4%の消費電力削減を実現している。
  論文  参考訳（メタデータ） (2024-02-07T12:38:47Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Energy-Efficient Model Compression and Splitting for Collaborative Inference Over Time-Varying Channels [52.60092598312894]
  本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。 提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
  論文  参考訳（メタデータ） (2021-06-02T07:36:27Z)
• Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
  本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。 実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。 ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
  論文  参考訳（メタデータ） (2021-03-15T12:54:26Z)

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。