論文の概要: Exploiting Non-Local Priors via Self-Convolution For Highly-Efficient Image Restoration

• arxiv url: http://arxiv.org/abs/2006.13714v2
• Date: Mon, 24 May 2021 06:11:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 12:59:55.138271
• Title: Exploiting Non-Local Priors via Self-Convolution For Highly-Efficient Image Restoration
• Title（参考訳）: 高能率画像復元のための自己畳み込みによる非局所前処理
• Authors: Lanqing Guo, Zhiyuan Zha, Saiprasad Ravishankar and Bihan Wen
• Abstract要約: 画像の非局所的類似性を自己管理的に活用する新たな自己畳み込み演算子を提案する。 提案したSelf-Convolutionは、一般的に使われているブロックマッチングステップを一般化し、より安価な計算で等価な結果を生成することができる。 実験により、自己畳み込みは、人気のある非局所画像復元アルゴリズムの大部分を著しく高速化できることが示された。
• 参考スコア（独自算出の注目度）: 36.22821902478044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constructing effective image priors is critical to solving ill-posed inverse problems in image processing and imaging. Recent works proposed to exploit image non-local similarity for inverse problems by grouping similar patches and demonstrated state-of-the-art results in many applications. However, compared to classic methods based on filtering or sparsity, most of the non-local algorithms are time-consuming, mainly due to the highly inefficient and redundant block matching step, where the distance between each pair of overlapping patches needs to be computed. In this work, we propose a novel Self-Convolution operator to exploit image non-local similarity in a self-supervised way. The proposed Self-Convolution can generalize the commonly-used block matching step and produce equivalent results with much cheaper computation. Furthermore, by applying Self-Convolution, we propose an effective multi-modality image restoration scheme, which is much more efficient than conventional block matching for non-local modeling. Experimental results demonstrate that (1) Self-Convolution can significantly speed up most of the popular non-local image restoration algorithms, with two-fold to nine-fold faster block matching, and (2) the proposed multi-modality image restoration scheme achieves superior denoising results in both efficiency and effectiveness on RGB-NIR images. The code is publicly available at \href{https://github.com/GuoLanqing/Self-Convolution}.
• Abstract（参考訳）: 画像処理や画像処理における逆問題を解くには,効果的な画像優先法の構築が不可欠である。 近年,画像の非局所的類似性を類似したパッチをグループ化し,多くのアプリケーションで最新結果を示した。 しかし、フィルタリングやスパーシティに基づく古典的な手法と比較して、非局所アルゴリズムの多くは時間消費であり、主に重複するパッチ間の距離を計算する必要がある、非効率で冗長なブロックマッチングステップのためである。 本研究では,画像の非局所的類似性を自己管理的に活用する新たな自己畳み込み演算子を提案する。 提案する自己畳み込みは、一般に使用されるブロックマッチングステップを一般化し、より安価な計算で等価な結果を生成することができる。 さらに, 自己畳み込みを適用することにより, 非局所モデリングにおける従来のブロックマッチングよりもはるかに効率的である効率的なマルチモダリティ画像復元手法を提案する。 実験結果から,(1)自己畳み込みにより2倍から9倍の高速なブロックマッチングが実現され,(2)RGB-NIR画像の効率性と有効性において,より優れた復調結果が得られることが示された。 コードは \href{https://github.com/GuoLanqing/Self-Convolution} で公開されている。

関連論文リスト

• Optimizing Tensor Computation Graphs with Equality Saturation and Monte Carlo Tree Search [0.0]
  モンテカルロ木探索を用いて優れた表現を構築するテンソルグラフ書き換え手法を提案する。 提案手法は,既存の手法と比較して,ニューラルネットワークの推論速度を最大11%向上させる。
  論文  参考訳（メタデータ） (2024-10-07T22:22:02Z)
• Large-scale Global Low-rank Optimization for Computational Compressed Imaging [8.594666859332124]
  本稿では,グローバルな自己相似性と高効率な大規模再構成を実現するグローバル低ランク(GLR)最適化手法を提案する。 深層学習における自己認識機構に触発されたGLRは、従来の一様選択の代わりに特徴検出によって画像パッチを抽出する。 時間・周波数・スペクトル次元におけるGLRの有効性を実験的に実証した。
  論文  参考訳（メタデータ） (2023-01-08T14:12:51Z)
• 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)
• Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
  深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。 本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
  論文  参考訳（メタデータ） (2020-12-07T09:27:16Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• End-to-end Interpretable Learning of Non-blind Image Deblurring [102.75982704671029]
  非ブラインド画像のデブロワーリングは、通常、対応するシャープ画像の勾配に関する自然の先行によって正規化される線形最小二乗問題として定式化される。 本稿では,(既知の)ぼかしと自然像前のカーネルの逆フィルタを用いて,リチャードソン解法を事前条件として提案する。
  論文  参考訳（メタデータ） (2020-07-03T15:45:01Z)
• A General-Purpose Dehazing Algorithm based on Local Contrast Enhancement Approaches [2.383083450554816]
  脱毛は霧の環境で撮影された画像を強化する作業である。 本稿では,複数の局所的コントラスト調整アルゴリズムに適した脱ハージング手法を提案する。
  論文  参考訳（メタデータ） (2020-05-31T17:25:22Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• Image Denoising Using Sparsifying Transform Learning and Weighted Singular Values Minimization [7.472473280743767]
  画像デノイング(IDN)処理では、通常、低ランク特性は重要な画像として扱われる。 低ランクの凸緩和近似として、核ノルムに基づくアルゴリズムとその変種が注目されている。 汎用フレームワークにおける画像領域最小化と変換領域の利点を両立させることで、疎性学習変換法を提案する。
  論文  参考訳（メタデータ） (2020-04-02T00:30:29Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。