2ヶ月前

画像の超解像度化に非常に深い残差チャネル注意ネットワークを使用する

Yulun Zhang; Kunpeng Li; Kai Li; Lichen Wang; Bineng Zhong; Yun Fu
画像の超解像度化に非常に深い残差チャネル注意ネットワークを使用する
要約

画像の超解像(SR)において、畳み込みニューラルネットワーク(CNN)の深さは極めて重要です。しかし、画像SR用のより深いネットワークは訓練が困難であることが観察されています。低解像度の入力と特徴には豊富な低周波数情報が含まれており、これがチャンネル間で同等に扱われることにより、CNNの表現能力が阻害されます。これらの問題を解決するために、私たちは非常に深い残差チャネル注意ネットワーク(RCAN: Residual Channel Attention Networks)を提案します。具体的には、非常に深いネットワークを形成するための残差イン残差(RIR: Residual-in-Residual)構造を提案します。この構造は長距離スキップ接続を持つ複数の残差グループから構成されます。各残差グループには短距離スキップ接続を持ついくつかの残差ブロックが含まれています。さらに、RIRは豊富な低周波数情報を複数のスキップ接続を通じてバイパスさせることができ、主ネットワークが高周波数情報の学習に集中できるようにします。また、私たちはチャンネル間の相互依存関係を考慮して、チャンネルごとの特徴量を適応的に再スケーリングするチャネル注意メカニズムも提案します。広範な実験結果から、私たちのRCANは最先端手法に対してより高い精度と視覚的な改善を達成していることが示されています。

画像の超解像度化に非常に深い残差チャネル注意ネットワークを使用する | 最新論文 | HyperAI超神経