12일 전

이미지 압축 감지를 위한 순차적 컨볼루션 및 룬게-쿠타 잔차 아키텍처

{Daolang Huang, Qingliang Chen, Yinqi Zhang, Runkai Zheng}
이미지 압축 감지를 위한 순차적 컨볼루션 및 룬게-쿠타 잔차 아키텍처
초록

최근 몇 년간 심층 신경망(DNN)은 압축 감지(CS) 기술에 획기적인 발전을 이끌어내며 기존의 전통적 CS 방법을 훨씬 뛰어넘는 높은 재구성 품질과 빠른 처리 속도를 달성하였다. 그러나 실용적인 적용을 위해 여전히 해결해야 할 많은 문제들이 남아 있다. CS 기술에서 주로 직면하는 두 가지 핵심 과제는 효율적인 데이터 샘플링과 고품질 이미지 재구성이다. 이러한 도전 과제를 해결하기 위해 본 논문은 새로운 룬게-쿠타 합성 콘볼루션 압축 감지 네트워크(RK-CCSNet)를 제안한다. 감지 단계에서는 RK-CCSNet이 순차적 합성 모듈(SCM)을 도입하여 일련의 합성 필터를 통해 측정값을 점진적으로 압축한다. 재구성 단계에서는 유명한 룬게-쿠타 방법을 기반으로 한 새로운 학습 가능한 룬게-쿠타 블록(LRKB)을 설계하여 이미지 재구성 과정을 이산 동역학 시스템으로 재정의한다. 최종적으로 RK-CCSNet은 주요 벤치마크에서 기존의 권위 있는 기준 모델들에 비해 최첨단 성능을 달성하였으며, 모든 코드는 https://github.com/rkteddy/RK-CCSNet 에 공개되어 있다.

이미지 압축 감지를 위한 순차적 컨볼루션 및 룬게-쿠타 잔차 아키텍처 | 최신 연구 논문 | HyperAI초신경