Fugu-MT 論文翻訳(概要): On Noise Injection in Generative Adversarial Networks

論文の概要: On Noise Injection in Generative Adversarial Networks

arxiv url: http://arxiv.org/abs/2006.05891v3
Date: Sat, 22 May 2021 09:52:40 GMT
ステータス: 処理完了
システム内更新日: 2022-11-23 04:39:02.531908
Title: On Noise Injection in Generative Adversarial Networks
Title（参考訳）: 生成的対向ネットワークにおけるノイズ注入について
Authors: Ruili Feng, Deli Zhao, Zhengjun Zha
Abstract要約: ノイズ注入は高忠実度画像の生成における重要な技術のひとつであることが証明されている。 GANにおけるノイズ注入の役割を理論的に解析するための幾何学的枠組みを提案する。
参考スコア（独自算出の注目度）: 85.51169466453646
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Noise injection has been proved to be one of the key technique advances in generating high-fidelity images. Despite its successful usage in GANs, the mechanism of its validity is still unclear. In this paper, we propose a geometric framework to theoretically analyze the role of noise injection in GANs. Based on Riemannian geometry, we successfully model the noise injection framework as fuzzy equivalence on the geodesic normal coordinates. Guided by our theories, we find that the existing method is incomplete and a new strategy for noise injection is devised. Experiments on image generation and GAN inversion demonstrate the superiority of our method.
Abstract（参考訳）: ノイズ注入は高忠実度画像の生成における重要な技術のひとつであることが証明されている。 gansでの使用は成功したが、その妥当性のメカニズムはまだ不明である。本稿では,GANにおけるノイズ注入の役割を理論的に解析するための幾何学的枠組みを提案する。リーマン幾何学に基づいて、測地線正規座標上のファジィ同値としてノイズ注入フレームワークをモデル化した。本理論の導出により,既存の手法は不完全であり,ノイズインジェクションの新しい戦略が考案された。画像生成実験とGANインバージョン実験により,本手法の優位性を示した。

関連論文リスト

Correntropy-Based Improper Likelihood Model for Robust Electrophysiological Source Imaging [18.298620404141047]
既存のソースイメージングアルゴリズムは、観測ノイズに対するガウスの仮定を利用して、ベイズ推定の確率関数を構築する。脳活動の電磁的測定は、通常、様々な人工物に影響され、観測ノイズの非ガウス分布につながる可能性がある。非ガウス雑音に対して頑健な新しい確率モデルを提案する。
論文参考訳（メタデータ） (2024-08-27T07:54:15Z)
Causal Discovery with Score Matching on Additive Models with Arbitrary Noise [37.13308785728276]
因果発見法は、構造識別可能性を保証するために必要な仮定のセットによって本質的に制約される。本稿では,雑音項のガウス性に反するエッジ反転のリスクを解析し,この仮説の下での推論の欠点を示す。本稿では,一般的な雑音分布を持つ付加非線形モデルに基づいて生成されたデータから,因果グラフ内の変数の位相的順序付けを推定する新しい手法を提案する。これは、最小限の仮定と、合成データに基づいて実験的にベンチマークされた技術性能の状態を持つ因果探索アルゴリズムであるNoGAMに繋がる。
論文参考訳（メタデータ） (2023-04-06T17:50:46Z)
Riemannian Score-Based Generative Modeling [56.20669989459281]
経験的性能を示すスコアベース生成モデル(SGM)を紹介する。現在のSGMは、そのデータが平坦な幾何学を持つユークリッド多様体上で支えられているという前提を定めている。これにより、ロボット工学、地球科学、タンパク質モデリングの応用にこれらのモデルを使用することができない。
論文参考訳（メタデータ） (2022-02-06T11:57:39Z)
Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文参考訳（メタデータ） (2021-07-02T11:55:40Z)
Guided Integrated Gradients: An Adaptive Path Method for Removing Noise [9.792727625917083]
統合グラディエンツ(IG)は、ディープニューラルネットワークのための一般的な特徴属性法である。問題の原因の1つは、IG経路に沿ったノイズの蓄積である。我々は、帰属経路自体に適応することを提案し、画像だけでなく、説明されるモデルにも経路を条件付けする。
論文参考訳（メタデータ） (2021-06-17T20:00:55Z)
Asymmetric Heavy Tails and Implicit Bias in Gaussian Noise Injections [73.95786440318369]
我々は、勾配降下(SGD)のダイナミクスに対する注射ノイズの影響であるGNIsのいわゆる暗黙効果に焦点を当てています。この効果は勾配更新に非対称な重尾ノイズを誘発することを示す。そして、GNIが暗黙のバイアスを引き起こすことを正式に証明し、これは尾の重みと非対称性のレベルによって異なる。
論文参考訳（メタデータ） (2021-02-13T21:28:09Z)
Statistical Analysis of Signal-Dependent Noise: Application in Blind Localization of Image Splicing Forgery [20.533239616846874]
本研究では,信号依存ノイズ(SDN)を局所化タスクのスプライシングに適用する。最大後方マルコフランダムフィールド(MAP-MRF)フレームワークを構築することで、ノイズの可能性を生かし、スプリケートされた物体の異領域を明らかにする。実験結果から,本手法は有効であり,比較ローカライゼーション性能が得られた。
論文参考訳（メタデータ） (2020-10-30T11:53:53Z)
Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
グループベース画像復元法は,パッチ間の類似性収集に有効である。各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
論文参考訳（メタデータ） (2020-08-09T15:12:16Z)
Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
論文参考訳（メタデータ） (2020-06-15T18:31:02Z)

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。