論文の概要: Adaptive Direction-Guided Structure Tensor Total Variation
- arxiv url: http://arxiv.org/abs/2001.05717v1
- Date: Thu, 16 Jan 2020 09:49:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 00:47:51.430074
- Title: Adaptive Direction-Guided Structure Tensor Total Variation
- Title（参考訳）: 適応方向誘導構造テンソル総変動
- Authors: Ezgi Demircan-Tureyen and Mustafa E. Kamasak
- Abstract要約: 方向性誘導構造テンソル総変分(DSTV)は近年提案されている正規化用語である。
構造テンソルに基づいて局所的な形状をキャプチャする効率的なプリプロセッサを提案する。
- 参考スコア（独自算出の注目度）: 6.396288020763144
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Direction-guided structure tensor total variation (DSTV) is a recently
proposed regularization term that aims at increasing the sensitivity of the
structure tensor total variation (STV) to the changes towards a predetermined
direction. Despite of the plausible results obtained on the uni-directional
images, the DSTV model is not applicable to the multi-directional images of
real-world. In this study, we build a two-stage framework that brings
adaptivity to DSTV. We design an alternative to STV, which encodes the
first-order information within a local neighborhood under the guidance of
spatially varying directional descriptors (i.e., orientation and the dose of
anisotropy). In order to estimate those descriptors, we propose an efficient
preprocessor that captures the local geometry based on the structure tensor.
Through the extensive experiments, we demonstrate how beneficial the
involvement of the directional information in STV is, by comparing the proposed
method with the state-of-the-art analysis-based denoising models, both in terms
of restoration quality and computational efficiency.
- Abstract（参考訳）: 方向性誘導型構造テンソル総変分(DSTV)は,構造テンソル総変分(STV)の所定の方向への変化に対する感度を高めることを目的とした,最近提案された正規化用語である。
単方向画像で得られた妥当な結果にもかかわらず、dstvモデルは実世界の多方向画像には適用できない。
本研究では,DSTVに適応性をもたらす2段階のフレームワークを構築する。
我々は,空間的に変化する方向記述子(配向および異方性線量)の指導の下で,局所近傍の一階情報を符号化するstvの代替案を設計する。
これらのディスクリプタを推定するために、構造テンソルに基づいて局所幾何をキャプチャする効率的なプリプロセッサを提案する。
本研究は,stvにおける方向情報の関与が,修復品質と計算効率の両面で,提案手法と最先端解析に基づく分別モデルとの比較により,いかに有益であるかを実証する。
関連論文リスト
- Adaptive Step-size Perception Unfolding Network with Non-local Hybrid Attention for Hyperspectral Image Reconstruction [0.39134031118910273]
FISTAアルゴリズムに基づく深層展開ネットワークであるASPUNを提案する。
さらに,非局所的ハイブリッドアテンショントランス (NHAT) モジュールを設計し,コンバータの受容場特性をフル活用する。
実験の結果, ASPUNは既存のSOTAアルゴリズムよりも優れ, 最高の性能が得られることがわかった。
論文 参考訳（メタデータ） (2024-07-04T16:09:52Z) - Zero-Shot Video Semantic Segmentation based on Pre-Trained Diffusion Models [96.97910688908956]
本稿では,事前学習した拡散モデルに基づくビデオセマンティック(VSS)の最初のゼロショット手法を提案する。
予め訓練された画像とビデオ拡散モデルに基づくVSSに適したフレームワークを提案する。
実験により,提案手法は既存のゼロショット画像セマンティックセグメンテーション手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-05-27T08:39:38Z) - Weighted structure tensor total variation for image denoising [0.5120567378386615]
画像復号化問題に対して、構造テンソル全変量モデル(STV)は、他の競合する正規化手法と比較して優れた性能を示す。
異方性全変動(ATV)モデルに導入された異方性重み付き行列を用いてSTVモデルを改善する。
提案する重み付きSTVモデルは,画像からローカル情報を効果的に取得し,復調過程において詳細を維持できる。
論文 参考訳（メタデータ） (2023-06-18T05:37:38Z) - 2-D SSM: A General Spatial Layer for Visual Transformers [79.4957965474334]
コンピュータビジョンの中心的な目的は、適切な2次元帰納バイアスを持つモデルを設計することである。
多次元状態空間モデルの表現的変動を利用する。
本稿では,効率的なパラメータ化,高速化計算,適切な正規化方式を提案する。
論文 参考訳（メタデータ） (2023-06-11T09:41:37Z) - An Adaptive and Stability-Promoting Layerwise Training Approach for Sparse Deep Neural Network Architecture [0.0]
この研究は、与えられたトレーニングデータセットに対してうまく一般化するディープニューラルネットワーク(DNN)アーキテクチャを開発するための2段階適応フレームワークを提案する。
第1段階では、新しいレイヤを毎回追加し、前のレイヤでパラメータを凍結することで独立してトレーニングする、レイヤワイズトレーニングアプローチが採用されている。
本稿では, 学習アルゴリズムの望ましい特性として, エプシロン・デルタ安定促進の概念を導入し, 多様体正規化を用いることで, エプシロン・デルタ安定促進アルゴリズムが得られることを示す。
論文 参考訳（メタデータ） (2022-11-13T09:51:16Z) - CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。
提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。
実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
論文 参考訳（メタデータ） (2021-12-31T04:37:11Z) - HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning [74.76431541169342]
ゼロショット学習(ZSL)は、目に見えないクラス認識の問題に取り組み、目に見えないクラスから目に見えないクラスに意味的な知識を移す。
本稿では,意味領域と視覚領域を協調させる新しい階層型意味視覚適応(HSVA)フレームワークを提案する。
4つのベンチマークデータセットの実験では、HSVAは従来のZSLと一般的なZSLの両方で優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-30T14:27:50Z) - Deep Learning-based Compressive Beam Alignment in mmWave Vehicular
Systems [75.77033270838926]
車両用チャネルは、より少ないチャネル測定でビームアライメントに活用できる構造を示す。
構造化圧縮センシング(CS)行列を設計するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-02-27T04:38:12Z) - Data-efficient Alignment of Multimodal Sequences by Aligning Gradient
Updates and Internal Feature Distributions [36.82512331179322]
近年の研究では、異なるモダリティを扱うネットワークコンポーネントが、異なる速度でオーバーフィットし、一般化し、トレーニングの難しさを生んでいることが示唆されている。
本稿では,各層における勾配更新の規模を調整し,学習速度のバランスをとるため,LARS(Layer-wise Adaptive Rate Scaling)を提案する。
また、シーケンスワイドバッチ正規化(SBN)を用いて、内部の特徴分布を異なるモードから整列する。
論文 参考訳（メタデータ） (2020-11-15T13:04:25Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳（メタデータ） (2020-10-12T13:26:30Z) - Nonlocal Adaptive Direction-Guided Structure Tensor Total Variation For
Image Recovery [6.396288020763144]
本論文は,NLSTVの規格化期間を,指向性プリミティブを用いて促進することを目的としている。
本稿では、異方性ガウス核を用いて、後述のモデルで使われる方向特徴を推定する手法を提案する。
論文 参考訳（メタデータ） (2020-08-28T06:58:35Z)
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。