메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박철훈 (전남대학교) 최현덕 (전남대학교)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제30권 제9호
발행연도
2024.9
수록면
1,015 - 1,023 (9page)
DOI
10.5302/J.ICROS.2024.24.0075

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
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.

목차

Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. ALL-IN-ONE 이미지 복원 신경망
Ⅳ. 실험 및 결과
Ⅴ. 결론 및 향후 연구계획
REFERENCES

참고문헌 (29)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-090659353