A Novel End-To-End Network for Reconstruction of Non-Regularly Sampled Image Data Using Locally Fully Connected Layers
In diesem Konferenzbeitrag schlagen wir ein neues neuronales Netzwerk zur Rekonstruktion hochauflösender Bilder aus unregelmäßig abgetasteten Sensordaten vor. Das Netzwerk ist eine Verkettung aus einem locally fully connected reconstruction network (LFCR) und einem typischen VDSR Netzwerk. Insgesamt kann durch die Verwendung eines Sensors mit Dreiviertelabtastung und unserem neuartigen neuronalen Netzwerk-Layout die Bildqualität (PSNR) im Vergleich zum Stand der Technik um 2,96 dB verbessert werden. Im Vergleich zu einem niedrig auflösenden Sensor mit VDSR wird ein Gewinn von 1,11 dB erzielt.
Weitere Informationen zu den neuartigen Konsistenzprüfungen finden Sie in der folgenden Präsentation.
A Novel End-To-End Network for Reconstruction of Non-Regularly Sampled Image Data Using Locally Fully Connected Layers
Dieser Beitrag wurde bei der MMSP 2021 (6.-8. Oktober 2021) vorgestellt.
Die Forschungsarbeiten des Lehrstuhls werden regelmäßig bei internationalen Konferenzen, sowie in einflussreichen wissenschaftlichen Zeitschriften, veröffentlicht. In Zeiten virtueller Konferenzen haben viele Veranstalter auf Präsentationen in Form von vorab aufgezeichneten Videos zurückgegriffen, die von den Teilnehmern jederzeit abgerufen werden können. Wir nutzen diese Möglichkeit, um unsere Forschung einer breiteren Öffentlichkeit zugänglich zu machen und stellen einige unserer Beiträge auf unserer Website zur Verfügung.