Anmelden
Einblick - 수중 이미지 처리
향상된 Cycle GAN 기반 수중 이미지 향상 방법
본 논문에서는 깊이 지향 주의력을 활용하여 Cycle GAN 모델을 개선하여 수중 이미지의 대비를 향상시키는 방법을 제안합니다.
물리 기반 합성 수중 이미지 데이터셋
이 논문은 물리 기반 합성 수중 이미지 데이터셋(PHISWID)을 소개하며, 이를 통해 수중 이미지 처리 기술을 향상시키고자 한다.
실제 환경에서 반자동 다중 스케일 트랜스포머를 통한 수중 이미지 향상
본 논문은 다중 스케일 트랜스포머 기반의 UWFormer 모델을 제안하여 반자동 학습을 통해 수중 이미지의 질을 향상시킨다. 이를 위해 비선형 주파수 인지 주의 메커니즘과 다중 스케일 융합 피드포워드 네트워크를 도입하였으며, 수중 환경에 특화된 준지도 학습 전략을 사용하였다.
수중 이미지 향상을 위한 반지도 학습 기반 다중 스케일 트랜스포머 UWFormer
UWFormer는 다중 주파수 향상을 위한 반지도 학습 기반 다중 스케일 트랜스포머 모델로, 비선형 주파수 인지 주의 메커니즘과 다중 스케일 융합 피드포워드 네트워크를 통해 수중 이미지의 색상, 대비, 선명도를 효과적으로 향상시킨다.
Produkte | Ressourcen
© 2024 by Linnk AI