May, 2023

基于 ROI 的 Swin Transformers 深度图像压缩

PDF
TL;DR本文提出了一种利用 Swin transformer 作为自编码器网络的主要构建模块，将二进制 ROI 掩模集成到不同层的网络中，以提供空间信息指导。实验结果表明，这种模型在 ROI PSNR 方面优于其他方法，在 COOCO 验证集上具有更好的目标检测和实例分割性能。
roiimage compressionswin transformersautoencoder networkobject detection
发现论文，激发创造
  • 基于 Transformer 的变率图像压缩与感兴趣区域控制

    本文提出了一种基于 transformer 学习的图像压缩系统，通过使用 prompt generation 网络，支持 RO I 功能，并允许同时实现可变速和 ROI 编码。实验结果表明，该方法优于其他竞争方法。

    May, 2023

  • Swin2SR：用于压缩图像超分辨率与恢复的 SwinV2 Transformer

    本文采用 Swin Transformer V2 来改善图像超分辨率问题，特别是针对压缩输入情况，通过实验验证 Swin2SR 方法能显著提高 SwinIR 的性能。

    Sep, 2022

  • SwinIR：使用 Swin Transformer 进行图像恢复

    本研究提出了一种基于 Swin Transformer 的强基线模型 SwinIR，用于图像恢复，通过对三种典型任务进行实验（图像超分辨率、图像降噪和 JPEG 压缩），实验结果表明，SwinIR 在不同任务上的表现比最先进的方法提高了至多 0.14~0.45dB，同时可以将参数总数减少高达 67%。

    Aug, 2021

  • 用于匿名学习图像压缩的感兴趣区域损失

    在公共空间使用人工智能不断引发对隐私和敏感数据保护的担忧，本论文介绍了一种使用定制损失函数的 ROI 来实现足够去识别化的方法，通过训练端到端优化的自编码器来实现压缩和去识别化，同时考虑了压缩率、延迟和对人脸和人物检测模型的影响。

    Jun, 2024

  • 基于 SNR-Aware Swin Transformer 的无监督低光图像增强技术

    本文提出了一种基于 Swin Transformer 的双分支网络，以信噪比先验图为指导，利用无监督学习构建优化目标，实现低光图像增强，并在实验中取得竞争性的结果。

    Jun, 2023

  • 通过分层感兴趣区域和自适应量化实现超高保真图像压缩

    通过结合 MSE-based 模型和生成模型中感兴趣区域 (ROI) 的优势，我们提出了分层感兴趣区域 (H-ROI) 方法，将图像分为几个前景区域和一个背景区域，以提高包含人脸、文字和复杂纹理的区域的重建效果；进一步，通过通道维度内的非线性映射提出了自适应量化来限制比特率同时保持视觉质量。大量实验证明了我们方法在小脸和文字上以更低的比特率实现了更好的视觉质量，如 HiFiC 的 0.7X 比特和 BPG 的 0.5X 比特。

    Mar, 2024

  • 通过捕获物体间的关系提升航空图像中的检测能力

    基于 transformer 的方法在三个基准测试中表现出一致的性能提升，特别是在 DOTA-v1.5 和 HRSC 2016 上名列前茅，相对于基线方法分别增加了 1.59 mAP 在 DOTA-v1.0、4.88 mAP 在 DOTA-v1.5 和 2.1 mAP 在 HRSC 2016。

    Apr, 2024

  • 学习 RoI Transformer 在航拍图像中检测有方向物体

    本文提出了一个 RoI Transformer 模型用于解决在航拍图像中检测旋转目标时，水平建议区域（HRoI）和旋转建议区域（RRoI）之间可能会引入不匹配的问题。该模型具有轻复杂度和高性能，提出的模型在两种常见而具有挑战性的遥感数据集 DOTA 和 HRSC2016 上表现出了最先进的性能。

    Dec, 2018

  • 跨摄像机兴趣区域优化：大规模高效实时视频分析

    CrossRoI 是一种资源有效的系统，通过利用视频内容的关联性和冗余性在规模上实现实时视频分析，其中包括离线相位建立跨相机关系的决策，以及高效在线相位的实时视频推理，同时比基线方法具有更高的查询准确性和较高的性能收益。

    May, 2021

  • Swin Transformer 用于快速磁共振成像

    采用 Swin transformer 以及 multi-channel loss 的方式用于快速 MRI 重建，在进行了多个比较和消融实验以及对多模态脑肿瘤分割的实践后，得出了良好的重建效果。

    Jan, 2022