論文の概要: Image denoising via K-SVD with primal-dual active set algorithm
- arxiv url: http://arxiv.org/abs/2001.06780v1
- Date: Sun, 19 Jan 2020 06:03:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-08 10:03:55.540967
- Title: Image denoising via K-SVD with primal-dual active set algorithm
- Title（参考訳）: 原始二元能動集合アルゴリズムを用いたK-SVDによる画像認識
- Authors: Quan Xiao, Canhong Wen, Zirui Yan
- Abstract要約: K-SVDアルゴリズムは、何十年にもわたって画像復調タスクにうまく適用されてきたが、速度と精度の大きなボトルネックは、いまだに壊れる必要がある。
本稿では,Primal-Dual Active Set (PDAS)アルゴリズムを適用し,K-SVD$_P$という新しいK-SVDフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: K-SVD algorithm has been successfully applied to image denoising tasks dozens
of years but the big bottleneck in speed and accuracy still needs attention to
break. For the sparse coding stage in K-SVD, which involves $\ell_{0}$
constraint, prevailing methods usually seek approximate solutions greedily but
are less effective once the noise level is high. The alternative $\ell_{1}$
optimization is proved to be powerful than $\ell_{0}$, however, the time
consumption prevents it from the implementation. In this paper, we propose a
new K-SVD framework called K-SVD$_P$ by applying the Primal-dual active set
(PDAS) algorithm to it. Different from the greedy algorithms based K-SVD, the
K-SVD$_P$ algorithm develops a selection strategy motivated by KKT
(Karush-Kuhn-Tucker) condition and yields to an efficient update in the sparse
coding stage. Since the K-SVD$_P$ algorithm seeks for an equivalent solution to
the dual problem iteratively with simple explicit expression in this denoising
problem, speed and quality of denoising can be reached simultaneously.
Experiments are carried out and demonstrate the comparable denoising
performance of our K-SVD$_P$ with state-of-the-art methods.
- Abstract（参考訳）: K-SVDアルゴリズムは、何十年にもわたって画像復調タスクにうまく適用されてきたが、速度と精度の大きなボトルネックは、いまだに壊れる必要がある。
K-SVD のスパース符号化段階では、$\ell_{0}$ 制約が伴うが、一般的な手法では、ノイズレベルが高くなると、近似的な解を求めることが多い。
代替の$\ell_{1}$最適化は$\ell_{0}$よりも強力であることが証明されているが、時間消費によって実装が妨げられる。
本稿では,Primal-Dual Active Set (PDAS)アルゴリズムを適用し,K-SVD$_P$という新しいK-SVDフレームワークを提案する。
K-SVDのアルゴリズムと異なり、K-SVD$_P$アルゴリズムはKKT(Karush-Kuhn-Tucker)条件によって動機付けられた選択戦略を開発し、スパース符号化段階における効率的な更新をもたらす。
K-SVD$_P$アルゴリズムは、このデノナイジング問題において単純な明示的な表現で反復的に双対問題の等価解を求めるため、デノナイジングの速度と品質を同時に達成することができる。
実験を行い,最先端手法を用いたk-svd$_p$と同等の性能を示す。
関連論文リスト
- Accelerated SGD for Non-Strongly-Convex Least Squares [14.010916616909743]
非強凸設定における最小二乗回帰問題の近似を考察する。
本稿では,問題のノイズに依存して最適な予測誤差率を実現するための,最初の実用的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-03-03T14:39:33Z) - A Robust Phased Elimination Algorithm for Corruption-Tolerant Gaussian
Process Bandits [118.22458816174144]
そこで本稿では,エポックで動作するロバストな除去型アルゴリズムを提案し,探索と頻繁な切替を併用して,小さなアクションサブセットを選択し,各アクションを複数タイミングで実行する。
我々のアルゴリズムであるGP Robust Phased Elimination (RGP-PE) は、探索とエクスプロイトによる汚職に対するロバストネスのバランスに成功している。
GPバンディット設定におけるロバスト性の最初の実証的研究を行い,アルゴリズムが様々な敵攻撃に対してロバストであることを示す。
論文 参考訳（メタデータ） (2022-02-03T21:19:36Z) - A Momentum-Assisted Single-Timescale Stochastic Approximation Algorithm
for Bilevel Optimization [112.59170319105971]
問題に対処するための新しいアルゴリズム - Momentum- Single-timescale Approximation (MSTSA) を提案する。
MSTSAでは、低いレベルのサブプロブレムに対する不正確な解決策のため、反復でエラーを制御することができます。
論文 参考訳（メタデータ） (2021-02-15T07:10:33Z) - Byzantine-Resilient Non-Convex Stochastic Gradient Descent [61.6382287971982]
敵対的レジリエントな分散最適化。
機械は独立して勾配を計算し 協力することができます
私達のアルゴリズムは新しい集中の技術およびサンプル複雑性に基づいています。
それは非常に実用的です:それはないときすべての前の方法の性能を改善します。
セッティングマシンがあります。
論文 参考訳（メタデータ） (2020-12-28T17:19:32Z) - A Single-Loop Smoothed Gradient Descent-Ascent Algorithm for
Nonconvex-Concave Min-Max Problems [33.83671897619922]
非con-max問題は、このロバストな問題を解決するために、ポイントワイズな非函数の集合を最小化するなど、多くのアプリケーションで発生する。
A.A.アルゴリズムは、有限個の非函数の集合に対して$(/A-O-)の$(/A-O-)を達成できる。
論文 参考訳（メタデータ） (2020-10-29T17:13:46Z) - Single-Timescale Stochastic Nonconvex-Concave Optimization for Smooth
Nonlinear TD Learning [145.54544979467872]
本稿では,各ステップごとに1つのデータポイントしか必要としない2つの単一スケールシングルループアルゴリズムを提案する。
本研究の結果は, 同時一次および二重側収束の形で表される。
論文 参考訳（メタデータ） (2020-08-23T20:36:49Z) - A Two-Timescale Framework for Bilevel Optimization: Complexity Analysis
and Application to Actor-Critic [142.1492359556374]
双レベル最適化は、2レベル構造を示す問題のクラスである。
このような二段階問題に対処するための2段階近似(TTSA)アルゴリズムを提案する。
本稿では,TTSAフレームワークの特殊な事例として,2段階の自然なアクター・クリティカルポリシー最適化アルゴリズムが有用であることを示す。
論文 参考訳（メタデータ） (2020-07-10T05:20:02Z) - Private Stochastic Convex Optimization: Optimal Rates in Linear Time [74.47681868973598]
本研究では,凸損失関数の分布から得られた個体群損失を最小化する問題について検討する。
Bassilyらによる最近の研究は、$n$のサンプルを与えられた過剰な人口損失の最適境界を確立している。
本稿では,余剰損失に対する最適境界を達成するとともに,$O(minn, n2/d)$グラデーション計算を用いて凸最適化アルゴリズムを導出する2つの新しい手法について述べる。
論文 参考訳（メタデータ） (2020-05-10T19:52:03Z)
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。