HyperAIHyperAI

Command Palette

Search for a command to run...

Dynamische Szenen-Entschärfung mit parameterselektivem Teilen und verschachtelten Sprungverbindungen

Jiaya Jia Xiaoyong Shen Xin Tao Hongyun Gao

Zusammenfassung

Die dynamische Szenen-Entschärfung ist eine anspruchsvolle Aufgabe im Bereich der niedrigen-Level-Vision, bei der räumlich variierter Verschmierungsgrad durch verschiedene Faktoren wie Kameraverschiebungen oder Objektbewegungen verursacht wird. In jüngster Zeit wurden erhebliche Fortschritte erzielt. Im Gegensatz zu den Ansätzen mit parameterunabhängiger Struktur [19] und parametergeteilter Architektur [33] entwickeln wir ein allgemeines Prinzip zur Beschränkung der Netzwerkstruktur für die Entschärfung, indem wir einen universellen und effektiven Ansatz des selektiven Parameter-Teilens vorschlagen. Innerhalb der Unter-Netzwerke jeder Skala ersetzen wir gestapelte Faltungs-Schichten oder Residual-Blöcke durch eine neuartige geschachtelte Skip-Verbindungstruktur für die nichtlinearen Transformationseinheiten. Darüber hinaus erstellen wir eine neue große Datensammlung aus verschmierten und scharfen Bildpaaren, um die Wiederherstellungsqualität weiter zu verbessern. Umfassende experimentelle Ergebnisse zeigen, dass sowohl unser Ansatz des selektiven Parameter-Teilens, die geschachtelte Skip-Verbindungstruktur als auch die neue Datensammlung entscheidend sind, um eine neue State-of-the-Art-Leistung in der dynamischen Szenen-Entschärfung zu erzielen.


KI mit KI entwickeln

Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp
Dynamische Szenen-Entschärfung mit parameterselektivem Teilen und verschachtelten Sprungverbindungen | Paper | HyperAI