単一画像デヘイズのためのU-Net型SNN

Paper#Computer Vision, Image Dehazing, Spiking Neural Networks🔬 Research|分析: 2026年1月3日 15:57•
公開: 2025年12月30日 02:38
•
1分で読める
•ArXiv

分析

この論文は、単一画像デヘイズのために、U-Netのような設計とスパイクニューラルネットワーク（SNN）を組み合わせた新しいアーキテクチャ、DehazeSNNを紹介しています。CNNとTransformerの限界に対処し、局所的および長距離の依存関係を効率的に管理します。Orthogonal Leaky-Integrate-and-Fire Blocks（OLIFBlocks）の使用は、さらなる性能向上をもたらします。この論文は、最先端の方法と比較して、計算コストとモデルサイズを削減しながら、競争力のある結果を達成したと主張しています。
引用・出典
原文を見る
"DehazeSNN is highly competitive to state-of-the-art methods on benchmark datasets, delivering high-quality haze-free images with a smaller model size and less multiply-accumulate operations."
A
ArXiv2025年12月30日 02:38
* 著作権法第32条に基づく適法な引用です。
古い記事

Machine learning can boost the value of wind energy

新しい記事

Build a fast deep learning machine for under $1K

関連分析

Paper

選択ポリシーを用いた協調型人型ロボット操作

2026年1月3日 06:10

Paper

未ポーズ画像からの即時3Dシーン編集

2026年1月3日 06:10

Paper

将来予測のためのLLMフォアキャスティング

2026年1月3日 06:10

原文: ArXiv