論文の概要: Learning regularization and intensity-gradient-based fidelity for single
image super resolution
- arxiv url: http://arxiv.org/abs/2003.10689v1
- Date: Tue, 24 Mar 2020 07:03:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 09:36:05.741202
- Title: Learning regularization and intensity-gradient-based fidelity for single
image super resolution
- Title（参考訳）: 単一画像超解像のための学習正規化と強度勾配に基づく忠実度
- Authors: Hu Liang, Shengrong Zhao
- Abstract要約: 画像劣化の進行について検討し、強度と勾配空間の両方で劣化モデルを確立する。
復元には包括的データ一貫性制約が設定される。
提案した忠実度項と設計された正規化項は正規化フレームワークに組み込まれる。
- 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: How to extract more and useful information for single image super resolution
is an imperative and difficult problem. Learning-based method is a
representative method for such task. However, the results are not so stable as
there may exist big difference between the training data and the test data. The
regularization-based method can effectively utilize the self-information of
observation. However, the degradation model used in regularization-based method
just considers the degradation in intensity space. It may not reconstruct
images well as the degradation reflections in various feature space are not
considered. In this paper, we first study the image degradation progress, and
establish degradation model both in intensity and gradient space. Thus, a
comprehensive data consistency constraint is established for the
reconstruction. Consequently, more useful information can be extracted from the
observed data. Second, the regularization term is learned by a designed
symmetric residual deep neural-network. It can search similar external
information from a predefined dataset avoiding the artificial tendency.
Finally, the proposed fidelity term and designed regularization term are
embedded into the regularization framework. Further, an optimization method is
developed based on the half-quadratic splitting method and the pseudo conjugate
method. Experimental results indicated that the subjective and the objective
metric corresponding to the proposed method were better than those obtained by
the comparison methods.
- Abstract（参考訳）: 単一画像の超解像に対してより有用な情報を抽出する方法は命令的で難しい問題である。
学習ベース手法はそのような課題の代表的な方法である。
しかし、トレーニングデータとテストデータの間に大きな違いがある可能性があるため、結果はそれほど安定していない。
正規化に基づく方法は、観察の自己情報を有効に活用することができる。
しかし、正規化法で用いられる劣化モデルは、強度空間の劣化を考えるだけである。
様々な特徴空間における劣化反射が考慮されないため、画像の再構成はできない。
本稿では,まず画像劣化の進行状況を調査し,強度と勾配空間の両方における劣化モデルを確立する。
これにより、復元のための包括的データ一貫性制約が確立される。
これにより、観測データからより有用な情報を抽出することができる。
第2に、正規化項は、設計された対称的残留ディープニューラルネットワークによって学習される。
人工的な傾向を避けるために、事前定義されたデータセットから類似した外部情報を検索することができる。
最後に、提案された忠実性項と設計正規化項を正規化フレームワークに組み込む。
さらに、半四分法分割法と擬共役法に基づいて最適化法を開発する。
実験結果から,提案手法に対応する主観的指標と客観的指標が比較法より優れていることが示された。
関連論文リスト
- Fast and Stable Diffusion Inverse Solver with History Gradient Update [28.13197297970759]
ヒストリーグラディエント・アップデート(HGU)と呼ばれるこの最適化プロセスにヒストリーグラディエント・グラデーションの組み入れを導入する。
実験により,従来のサンプリングアルゴリズムと比較して,HGUを用いたサンプリングアルゴリズムは医用画像再構成における最先端の結果が得られることが示された。
論文 参考訳（メタデータ） (2023-07-22T12:37:34Z) - Reflected Diffusion Models [93.26107023470979]
本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。
提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
論文 参考訳（メタデータ） (2023-04-10T17:54:38Z) - Minimizing the Accumulated Trajectory Error to Improve Dataset
Distillation [151.70234052015948]
本稿では,フラットな軌道を求める最適化アルゴリズムを提案する。
合成データに基づいてトレーニングされた重みは、平坦な軌道への正規化を伴う累積誤差摂動に対して頑健であることを示す。
本手法はFTD (Flat Trajectory Distillation) と呼ばれ, 勾配整合法の性能を最大4.7%向上させる。
論文 参考訳（メタデータ） (2022-11-20T15:49:11Z) - Unsupervised feature selection via self-paced learning and low-redundant
regularization [6.083524716031565]
自己評価学習とサブスペース学習の枠組みを統合することにより,教師なしの特徴選択を提案する。
この手法の収束性は理論的および実験的に証明される。
実験の結果,提案手法はクラスタリング法の性能を向上し,他の比較アルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-12-14T08:28:19Z) - 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) - Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。
実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
論文 参考訳（メタデータ） (2021-11-27T12:12:57Z) - Score-based diffusion models for accelerated MRI [35.3148116010546]
本研究では,画像中の逆問題を容易に解けるような条件分布からデータをサンプリングする方法を提案する。
我々のモデルは、訓練のためにのみ等級画像を必要とするが、複雑な値のデータを再構成することができ、さらに並列画像まで拡張できる。
論文 参考訳（メタデータ） (2021-10-08T08:42:03Z) - An Adaptive Framework for Learning Unsupervised Depth Completion [59.17364202590475]
カラー画像から高密度深度マップとそれに伴うスパース深度測定を推定する手法を提案する。
正規化とコビジュアライゼーションは、モデルの適合度とデータによって関連付けられており、単一のフレームワークに統合可能であることを示す。
論文 参考訳（メタデータ） (2021-06-06T02:27:55Z) - Deep Dimension Reduction for Supervised Representation Learning [51.10448064423656]
本研究は,本質的な特徴を持つ学習表現の次元削減手法を提案する。
提案手法は, 十分次元還元法の非パラメトリック一般化である。
推定された深度非パラメトリック表現は、その余剰リスクが0に収束するという意味で一貫したものであることを示す。
論文 参考訳（メタデータ） (2020-06-10T14:47:43Z)
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。