論文の概要: Deformable Groupwise Image Registration using Low-Rank and Sparse Decomposition

• arxiv url: http://arxiv.org/abs/2001.03509v1
• Date: Fri, 10 Jan 2020 15:25:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-12 23:13:56.236168
• Title: Deformable Groupwise Image Registration using Low-Rank and Sparse Decomposition
• Title（参考訳）: 低ランク・スパース分解による変形可能なグループ画像登録
• Authors: Roland Haase, Stefan Heldmann, Jan Lellmann
• Abstract要約: 本稿では,画像登録におけるRPCA-dissimi-larityの欠点について検討する。 非パラメトリックな登録問題の解法として, 1次原始双対最適化に基づく理論的に正当化されたマルチレベルスキームを提案する。
• 参考スコア（独自算出の注目度）: 0.23310144143158676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-rank and sparse decompositions and robust PCA (RPCA) are highly successful techniques in image processing and have recently found use in groupwise image registration. In this paper, we investigate the drawbacks of the most common RPCA-dissimi\-larity metric in image registration and derive an improved version. In particular, this new metric models low-rank requirements through explicit constraints instead of penalties and thus avoids the pitfalls of the established metric. Equipped with total variation regularization, we present a theoretically justified multilevel scheme based on first-order primal-dual optimization to solve the resulting non-parametric registration problem. As confirmed by numerical experiments, our metric especially lends itself to data involving recurring changes in object appearance and potential sparse perturbations. We numerically compare its peformance to a number of related approaches.
• Abstract（参考訳）: 低ランクかつスパースな分解とロバストなPCA(RPCA)は画像処理において非常に成功した技術であり、最近はグループワイドな画像登録に使われている。 本稿では、画像登録における最も一般的なRPCA-dissimi\-larityメトリックの欠点を調査し、改良版を導出する。 特に、この新しい計量は、罰則ではなく明示的な制約によって低ランク要求をモデル化し、確立された計量の落とし穴を避ける。 総変分正規化を基本とした一階主元双対最適化に基づく理論的に正当化されたマルチレベルスキームを提案する。 数値実験で確認されたように,我々の測定基準は,物体の出現頻度やスパース摂動の経時的変化に伴うデータに特に寄与する。 我々はその変形をいくつかの関連するアプローチと比較する。

関連論文リスト

• Compound Batch Normalization for Long-tailed Image Classification [77.42829178064807]
  本稿では,ガウス混合に基づく複合バッチ正規化法を提案する。 機能空間をより包括的にモデル化し、ヘッドクラスの優位性を減らすことができる。 提案手法は,画像分類における既存の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-12-02T07:31:39Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Distributionally Robust Models with Parametric Likelihood Ratios [123.05074253513935]
  3つの単純なアイデアにより、より広いパラメトリックな確率比のクラスを用いてDROでモデルを訓練することができる。 パラメトリック逆数を用いてトレーニングしたモデルは、他のDROアプローチと比較して、サブポピュレーションシフトに対して一貫して頑健であることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T12:43:12Z)
• Nonnegative-Constrained Joint Collaborative Representation with Union Dictionary for Hyperspectral Anomaly Detection [14.721615285883429]
  ハイパースペクトル異常検出のための協調表現ベース(CR)アルゴリズムが提案されている。 CRベースの検出器は、背景辞書と係数行列の線形結合で画像を近似し、回復残差を利用して検出マップを導出する。 本稿では,超スペクトル異常検出タスクに対する非負制約協調表現モデルを提案する。
  論文  参考訳（メタデータ） (2022-03-18T16:02:27Z)
• Faster One-Sample Stochastic Conditional Gradient Method for Composite Convex Minimization [61.26619639722804]
  滑らかで非滑らかな項の和として形成される凸有限サム目標を最小化するための条件勾配法(CGM)を提案する。 提案手法は, 平均勾配 (SAG) 推定器を備え, 1回に1回のサンプルしか必要としないが, より高度な分散低減技術と同等の高速収束速度を保証できる。
  論文  参考訳（メタデータ） (2022-02-26T19:10:48Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Information-Theoretic Generalization Bounds for Iterative Semi-Supervised Learning [81.1071978288003]
  特に,情報理論の原理を用いて,反復型SSLアルゴリズムのエミュレータ一般化誤差の振る舞いを理解することを目的とする。 我々の理論的結果は、クラス条件分散があまり大きくない場合、一般化誤差の上限は反復数とともに単調に減少するが、すぐに飽和することを示している。
  論文  参考訳（メタデータ） (2021-10-03T05:38:49Z)
• Constraining Volume Change in Learned Image Registration for Lung CTs [4.37795447716986]
  本稿では,従来の肺登録法の重要な戦略を特定し,深層学習法の開発に成功した。 我々は、粗い方法で画像登録の最適化を解くことができるガウスピラミドに基づくマルチレベルフレームワークを採用している。 本研究は, COPDGeneデータセット上で, 従来よりもはるかに短い実行時間で, 従来の登録方式と比較して, 最先端の成果をアーカイブすることを示す。
  論文  参考訳（メタデータ） (2020-11-29T14:09:31Z)
• Image Inpainting with Learnable Feature Imputation [8.293345261434943]
  正規畳み込み層は、未知の領域にフィルターを適用するのと同じ方法で、塗装された画像の視覚的アーティファクトを引き起こす。 本稿では,欠落した入力値の畳み込みに対する(階層的な)特徴計算を提案する。 我々はCelebA-HQとPlaces2を比較し,そのモデルを検証する。
  論文  参考訳（メタデータ） (2020-11-02T16:05:32Z)
• Learned convex regularizers for inverse problems [3.294199808987679]
  本稿では,逆問題に対する正規化器として,データ適応型入力ニューラルネットワーク(ICNN)を学習することを提案する。 パラメータ空間における単調な誤差を反復で減少させる部分次アルゴリズムの存在を実証する。 提案した凸正則化器は, 逆問題に対する最先端のデータ駆動技術に対して, 少なくとも競争力があり, 時には優位であることを示す。
  論文  参考訳（メタデータ） (2020-08-06T18:58:35Z)
• Weighted Encoding Based Image Interpolation With Nonlocal Linear Regression Model [8.013127492678272]
  超高解像度画像では、低解像度画像は、ぼやけやノイズを伴わずに、その高解像度画像から直接ダウンサンプリングされる。 この問題に対処するために,スパース表現に基づく新しい画像モデルを提案する。 クラスタリングではなく、オンラインの適応サブ辞書を学習するための新しいアプローチ。
  論文  参考訳（メタデータ） (2020-03-04T03:20:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。