인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
Super-resolution(SR) is the image processing that reconstructs high-resolution images from low-resolution inputs. Representative models such as ASCNN distinguish between high and low frequency regions and apply a Low Parameter Convolution(LPC) with reduced channel dimensions to the low frequency regions. Although various other lightweight models have also been proposed, balancing computational cost and reconstruction quality remains a significant challenge. In this paper, we propose DW-ASCNN, a lightweight variant of the original ASCNN, in which the LPC layers are replaced with depthwise and pointwise convolutions. The proposed structure identifies distinct convolutional paths by leveraging the frequency characteristics of each region in ASCNN, and achieves parameter and computational efficiency through structural simplification of these separated paths. Experimental results show that DW-ASCNN reduces the number of parameters by approximately 24% and lowers FLOPs by up to 7.93% compared to the original ASCNN, while keeping the PSNR degradation within an average of 0.02 dB. These results show that the proposed model is well-suited for deployment in resource-con-strained environments.
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) : I410-151-25-02-093565899
