दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

हल्के वजन वाली छवि सुपर-रिज़ॉल्यूशन के लिए इनवॉल्यूशन और बीएसकॉनव मल्टी-डेप्थ डिस्टिलेशन नेटवर्क

Created by
  • Haebom

लेखक

अकरम ख़ातमी-रिज़ी, अहमद महमौदी-अज़नवेह

रूपरेखा

यह शोधपत्र इनवॉल्यूशन और BSConv मल्टी-डेप्थ डिस्टिलेशन नेटवर्क (IBMDN) प्रस्तुत करता है, जो संसाधन-सीमित वातावरणों में भी प्रभावी सिंगल-इमेज सुपर-रेज़ोल्यूशन (SISR) के लिए एक हल्का आर्किटेक्चर है। IBMDN में इनवॉल्यूशन और BSConv मल्टी-डेप्थ डिस्टिलेशन ब्लॉक (IBMDB) शामिल हैं, जो विभिन्न गहराइयों पर इनवॉल्यूशन और BSConv को संयोजित करके कम्प्यूटेशनल जटिलता को कम करते हुए कुशल फ़ीचर निष्कर्षण करते हैं, और कंट्रास्ट और हाई-फ़्रीक्वेंसी अटेंशन ब्लॉक (CHFAB), जो उच्च-फ़्रीक्वेंसी और कंट्रास्ट जानकारी निकालने पर केंद्रित है। IBMDB का लचीला डिज़ाइन इसे विभिन्न SISR फ्रेमवर्क में एकीकृत करने की अनुमति देता है, जिसमें सूचना आसवन, ट्रांसफ़ॉर्मर-आधारित और GAN-आधारित मॉडल शामिल हैं। प्रायोगिक परिणाम दर्शाते हैं कि यह पिक्सेल-स्तरीय सटीकता और दृश्य गुणवत्ता दोनों में सुधार करते हुए मेमोरी उपयोग, पैरामीटर गणना और FLOPs को उल्लेखनीय रूप से कम करता है।

Takeaways, Limitations

Takeaways:
हम एक हल्का आर्किटेक्चर प्रस्तुत करते हैं जो मौजूदा CNN-आधारित SISR मॉडल की उच्च कम्प्यूटेशनल लागत की समस्या का समाधान करता है।
इनवोल्यूशन और बीएसकॉनव के विभिन्न संयोजनों के माध्यम से कुशल फीचर निष्कर्षण संभव है।
CHFAB के साथ दृश्य गुणवत्ता में सुधार करें।
विभिन्न SISR फ्रेमवर्क के साथ संगतता प्रदान करता है।
मेमोरी उपयोग, पैरामीटरों की संख्या और FLOPs को कम करते हुए प्रदर्शन में सुधार प्राप्त करें।
Limitations:
यह निर्धारित करने के लिए कि प्रस्तावित आर्किटेक्चर अन्य अत्याधुनिक एसआईएसआर मॉडलों की तुलना में कैसा प्रदर्शन करता है, अधिक विस्तृत विश्लेषण की आवश्यकता है।
विभिन्न डेटासेटों पर अतिरिक्त निष्पादन मूल्यांकन की आवश्यकता है।
वास्तविक हार्डवेयर पर कार्यान्वयन और प्रदर्शन मूल्यांकन परिणाम प्रस्तुत नहीं किए गए।
👍