Core Concepts
ハードウェア制約下で高解像度の地面実相を活用する新しいアーキテクチャの提案とその効果的な適用方法。
Abstract
本研究では、ハードウェア制約下で低解像度入力画像と高解像度地面実相を効率的に組み合わせる新しいアーキテクチャが提案されました。このアーキテクチャは、U-Net様のネットワークの末尾に複数のアップスケーリング層を追加して、低解像度入力の軽量性と高解像度地面実相のパワーを最大限に活用します。実験では、このアーキテクチャによってDecathlonおよびBraTsデータセットで予測品質が大幅に向上したことが示されました。これは、ハードウェア制約により解像度を削減する必要がある場合でも、予測品質を維持するための貴重な代替手段であることを示しています。
Stats
16×16入力分解能でDecathlonデータセット上で我々のアーキテクチャはELU-Netよりも4%優れたJaccard予測結果を達成した。
16×16入力分解能でBraTsデータセット上で我々のアーキテクチャはELU-Netよりも2.5%優れたJaccard予測結果を達成した。
我々のアーキテクチャはELU-Netと比較してGMac操作数に0.01 GMacs追加しました。
Quotes
"我々のアーキテクチャは低解像度予測が非常に詳細であり、高圧縮画像から有益な情報量を抽出することが可能であることを示しています。"
"我々のアーキテクチャは出力分解能に制限されていることが明らかです。"
"我々は低入力分解能でも高品質な形状予測が可能です。"