인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Conventional image restoration models are difficult to apply efficiently in real-world scenarios because they are designed to handle only specific types and levels of degradation. This study proposes a model that can handle multiple degradations with a single restoration model using prompt learning. Furthermore, we introduce a sub-network, pixel-level encoder, that modulates the encoder of the main network and prompts. In this process, the proposed model adaptively integrates features across spatial and channel spaces through deformable spatial cross-attention and multi-Dconv head transposed cross-attention. Moreover, this model exploits pixel-wise contrastive loss to capture the style and context information of target images. An experimental evaluation is conducted using a widely-used dataset in all-in-one image restoration, including dehazing, deraining, and denoising. Additionally, this study evaluates the robustness of models for monocular depth estimation and visual odometry using images reconstructed from noise degradation.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-24-02-090659353
