[DJSCC] Asymmetric Convolution Network

DJSCC 관련 논문을 작성하면서 필요한 지식을 정리하려고 합니다.
(DJSCC: Deep Joint Source Channel Coding)

다양한 시도 끝에, 제가 제안한 오토인코더 모델은 비대칭적인 구조를 이룹니다.
이 외에도 비대칭적 구조를 사용한 사례를 알아보겠습니다.

참고논문 1

• 연구 목표: 다양한 데이터 및 task의 따라 Siamese 네트워크를 변형하기 위함
• 문제점: 네트워크를 변형하려면 네트워크의 깊이/폭이 증가하게 됨
• 제안 방법: 비대칭 컨볼루션 사용
  

Siamese 네트워크란?

참고논문 2

• 연구 목표: 망막 혈관 이미지 분할

참고논문 3

• 문제점

  CNN은 적용되어왔다. 낮은 수준의 비전에
  다양한 어플리케이션에 따라 적당한 CNN 구조로 설계되었다.
  하지만, 주어진 애플리케이션의 성능을 향상시키기 위해 모든 픽셀 포인트를 동등하게 처리함으로써 로컬 파워 픽셀 포인트의 영향을 무시하고 낮은 교육 효율성을 초래하여, 설계된 구조는 다른 특징을 추출했다.

• 연구 주제: 이미지 해상도를 위해 asymmetric CNN (ACNet)을 제안한다.

• 실험 결과: 작업의 실행 속도 향상

이러한 연구 결과들을 보아, 경우에 따라서 비대칭적인 모델이 효과를 이룬다는 것을 알게 되었다.

1. ACSiam: Asymmetric convolution structures for visual tracking with Siamese Network (2022)
2. Fully-Convolutional Siamese Networks for Object Tracking (2016)
3. Dual-channel asymmetric convolutional neural network for an efficient retinal blood vessel segmentation in eye fundus images (2022)
4. Asymmetric CNN for Image Superresolution (2022)