論文の概要: Various Total Variation for Snapshot Video Compressive Imaging
- arxiv url: http://arxiv.org/abs/2005.08028v1
- Date: Sat, 16 May 2020 16:20:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 13:49:23.010751
- Title: Various Total Variation for Snapshot Video Compressive Imaging
- Title（参考訳）: スナップショットビデオ圧縮画像の様々な変化
- Authors: Xin Yuan
- Abstract要約: 2次元センサ(検出器)を用いて高次元(通常3次元)画像を撮像するために、スナップショット圧縮画像(SCI)が提案された。
その後、高次元データを取得するために再構成アルゴリズムが使用される。
本稿では,テレビペナルティ(異方性テレビ,等方性テレビ,ベクトル化テレビ)がビデオSCI再生に最適かという疑問に答えることを目的とする。
- 参考スコア（独自算出の注目度）: 7.601695814245209
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sampling high-dimensional images is challenging due to limited availability
of sensors; scanning is usually necessary in these cases. To mitigate this
challenge, snapshot compressive imaging (SCI) was proposed to capture the
high-dimensional (usually 3D) images using a 2D sensor (detector). Via novel
optical design, the {\em measurement} captured by the sensor is an encoded
image of multiple frames of the 3D desired signal. Following this,
reconstruction algorithms are employed to retrieve the high-dimensional data.
Though various algorithms have been proposed, the total variation (TV) based
method is still the most efficient one due to a good trade-off between
computational time and performance. This paper aims to answer the question of
which TV penalty (anisotropic TV, isotropic TV and vectorized TV) works best
for video SCI reconstruction? Various TV denoising and projection algorithms
are developed and tested for video SCI reconstruction on both simulation and
real datasets.
- Abstract（参考訳）: 高次元画像のサンプリングは、センサーの可用性が限られているため困難である。
この課題を軽減するため、2dセンサ(検出器)を用いて高次元(通常は3d)画像をキャプチャするためにスナップショット圧縮イメージング(sci)が提案された。
新たな光学設計として、センサーが捉えた測定値は、3次元の所望信号の複数のフレームの符号化画像である。
その後、高次元データの検索に再構成アルゴリズムを用いる。
様々なアルゴリズムが提案されているが、計算時間と性能のトレードオフが良いため、全変動(TV)に基づく手法が最も効率的である。
本稿では,テレビペナルティ(異方性テレビ,等方性テレビ,ベクトルテレビ)がビデオSCI再生に最適かという疑問に答えることを目的とする。
シミュレーションおよび実データを用いた映像sci再構成のために,様々なtvデノイジングおよび投影アルゴリズムを開発し,検証した。
関連論文リスト
- bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。
Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。
本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
論文 参考訳（メタデータ） (2024-10-30T17:30:35Z) - Deep Optics for Video Snapshot Compressive Imaging [10.830072985735175]
ビデオ・スナップショット・イメージング(SCI)は、2D検出器の1枚のショットだけでビデオ・フレームのシーケンスをキャプチャすることを目的としている。
本稿では,マスクと再構成ネットワークを協調的に最適化する枠組みを提案する。
これは、現実世界のビデオSCIのマイルストーンだ、と私たちは信じている。
論文 参考訳（メタデータ） (2024-04-08T08:04:44Z) - Splatter Image: Ultra-Fast Single-View 3D Reconstruction [67.96212093828179]
Splatter ImageはGaussian Splattingをベースにしており、複数の画像から3Dシーンを高速かつ高品質に再現することができる。
テスト時に38FPSでフィードフォワードで再構成を行うニューラルネットワークを学習する。
いくつかの総合、実、マルチカテゴリ、大規模ベンチマークデータセットにおいて、トレーニング中にPSNR、LPIPS、その他のメトリクスでより良い結果を得る。
論文 参考訳（メタデータ） (2023-12-20T16:14:58Z) - Unfolding Framework with Prior of Convolution-Transformer Mixture and
Uncertainty Estimation for Video Snapshot Compressive Imaging [7.601695814245209]
本稿では, 連続する高速フレームを異なるマスクで変調し, 単一の計測でキャプチャする, ビデオスナップショット圧縮画像(SCI)の問題点について考察する。
最適化アルゴリズムとニューラルネットワークを組み合わせることで、ディープ・アンフォールディング・ネットワーク(DUN)は、逆問題の解決において大きな成果を上げた。
論文 参考訳（メタデータ） (2023-06-20T06:25:48Z) - EfficientSCI: Densely Connected Network with Space-time Factorization
for Large-scale Video Snapshot Compressive Imaging [6.8372546605486555]
圧縮率の高いUHDカラービデオは,PSNRが32dB以上である単一エンドツーエンドのディープラーニングモデルを用いて,スナップショット2次元計測から再構成可能であることを示す。
提案手法は,従来のSOTAアルゴリズムよりも性能が優れ,リアルタイム性能が向上した。
論文 参考訳（メタデータ） (2023-05-17T07:28:46Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - 10-mega pixel snapshot compressive imaging with a hybrid coded aperture [48.95666098332693]
高解像度画像は私たちの日常生活で広く使われているが、高解像度モードで動作するカメラのフレームレートが低いため、高速ビデオ撮影は困難である。
既存の撮像システムの低スループット化への解決策として、スナップショットイメージング(SCI)が提案された。
論文 参考訳（メタデータ） (2021-06-30T01:09:24Z) - Memory-Efficient Network for Large-scale Video Compressive Sensing [21.040260603729227]
ビデオスナップショットイメージング(SCI)は、2D検出器を用いて1枚のショットで一連のビデオフレームをキャプチャする。
本稿では,マルチグループ可逆3次元畳み込みニューラルネットワークに基づく大規模映像SCIのためのメモリ効率の良いネットワークを開発する。
論文 参考訳（メタデータ） (2021-03-04T15:14:58Z) - Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。
本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。
また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
論文 参考訳（メタデータ） (2021-02-02T16:10:15Z) - Plug-and-Play Algorithms for Video Snapshot Compressive Imaging [41.818167109996885]
低速2dセンサ(検出器)を用いたスナップショット映像撮影(sci)の再構成問題を考える。
SCIの基本原則は、異なるマスクを持つフレームを変調し、エンコードされたフレームをセンサーのスナップショットに統合することです。
私たちの日常生活で大規模な問題(HDまたはUHDビデオ)にSCIを適用することは、まだ1つのボトルネックが再構築アルゴリズムにあります。
論文 参考訳（メタデータ） (2021-01-13T00:51:49Z) - Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled
Representation [57.11299763566534]
空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。
我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。
アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
論文 参考訳（メタデータ） (2020-04-05T12:52:29Z)
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。