Key points are not available for this paper at this time.
IoT (इंटरनेट ऑफ थिंग्स) कैमरे पिछले कुछ वर्षों में व्यापक रूप से तैनात किए गए हैं। ये कैमरे अक्सर सीमित हार्डवेयर के साथ होते हैं जिससे वे केवल निम्न रिज़ॉल्यूशन में शोर वाला वीडियो कैप्चर कर सकते हैं। इस कार्य में, हम IoT कैमरों के लिए संयुक्त वीडियो डिनॉइज़िंग और सुपर-रिज़ॉल्यूशन नेटवर्क का प्रस्ताव करते हैं, जिसमें नॉइज़-रोबस्ट मूविंग-अटेंशन (NRMA) मॉड्यूल और नॉइज़-इलीमिनेटेड अपसैंपलिंग (NEU) मॉड्यूल शामिल हैं। NRMA में, हम सबसे पहले कोर्स फ्लो को निकालकर और फिर निकटवर्ती फ्रेमों के बीच द्विदिशात्मक फीचर प्रोपैगेशन के माध्यम से उसे परिष्कृत करके मोटे से बारीकी की विधि अपनाते हैं। NEU में, हम शोर-उन्मूलन और अपसैंपलिंग के लिए आंतरिक-फ्रेम फीचर्स का और अधिक उपयोग करते हैं। इस विधि के माध्यम से, हम डिनॉइज़िंग और सुपर-रिज़ॉल्यूशन को एक साथ लागू करने से आने वाले नकारात्मक प्रभावों से बचते हैं, और NRMA में एम्बेडेड अटेंशन लेयर्स द्वारा चलती वस्तुओं के पुनर्निर्माण को बढ़ावा देते हैं। हम अपनी प्रयोगों का संचालन दोनों कृत्रिम डेटासेट पर करते हैं, जो एडिटिव व्हाइट गॉसियन नॉइज़ (AWGN) के साथ मौजूदा डेटा का उपयोग करता है, और एक यथार्थवादी डेटासेट पर जो IoT और पेशेवर कैमरों के एक जोड़े का उपयोग करके कैप्चर किया गया है। हमारे व्यापक प्रयोगात्मक परिणाम यह दर्शाते हैं कि हमारा प्रस्तावित विधि शोर को महत्वपूर्ण रूप से कम करता है और दोनों प्रकार के डेटासेट में विस्तृत विवरण को बढ़ाता है। विशेष रूप से, हमारी विधि मौजूदा डेटासेट (जिसमें शोर स्तर σ = 20) पर औसतन 5.24 dB और यथार्थवादी डेटासेट पर PSNR के संदर्भ में 0.95 dB द्वारा उच्चतम मानक (RealBasicVSR) को पार करती है।
Ge et al. (शुक्रवार) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: