論文の概要: Image De-Quantization Using Generative Models as Priors

• arxiv url: http://arxiv.org/abs/2007.07923v2
• Date: Fri, 17 Jul 2020 21:40:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 06:30:52.851549
• Title: Image De-Quantization Using Generative Models as Priors
• Title（参考訳）: 生成モデルによる画像の非量子化
• Authors: Kalliopi Basioti, George V. Moustakides
• Abstract要約: De-quantizationは、量子化効果を反転させ、元のマルチクロマティックレベルのイメージを復元するタスクである。 我々は,古典的統計的推定理論に基づく厳密な数学的解析により,非量子化機構を開発する。
• 参考スコア（独自算出の注目度）: 4.467248776406006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image quantization is used in several applications aiming in reducing the number of available colors in an image and therefore its size. De-quantization is the task of reversing the quantization effect and recovering the original multi-chromatic level image. Existing techniques achieve de-quantization by imposing suitable constraints on the ideal image in order to make the recovery problem feasible since it is otherwise ill-posed. Our goal in this work is to develop a de-quantization mechanism through a rigorous mathematical analysis which is based on the classical statistical estimation theory. In this effort we incorporate generative modeling of the ideal image as a suitable prior information. The resulting technique is simple and capable of de-quantizing successfully images that have experienced severe quantization effects. Interestingly, our method can recover images even if the quantization process is not exactly known and contains unknown parameters.
• Abstract（参考訳）: 画像量子化は、画像中の利用可能な色数とサイズを減らすことを目的としたいくつかのアプリケーションで使われている。 De-quantizationは、量子化効果を反転させ、元のマルチクロマティックレベルのイメージを復元するタスクである。 既存の手法では,適切な制約を理想画像に課すことで非定量化を実現している。 本研究の目的は,古典的統計的推定理論に基づく厳密な数学的解析を通した脱量子化機構の開発である。 本研究では,理想像の生成モデリングを適切な事前情報として組み込む。 その結果得られた手法は単純で、重度の量子化効果のある画像の非量子化が可能となる。 興味深いことに、量子化プロセスが正確には分かっておらず、未知のパラメータを含む場合でも、画像の復元が可能である。

関連論文リスト

• Quantum Supremacy in Tomographic Imaging: Advances in Quantum Tomography Algorithms [3.2995359570845912]
  本研究では, トモグラフィ再構成に必要な投影角を小さくすることで, 量子超越性を実証する。 0deg から 180deg までの原罪線からの投影角の 50% しか正確に再現できない。 これらの発見は、トモグラフィー画像に革命をもたらす量子アルゴリズムの可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-02-07T11:05:41Z)
• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Hybrid quantum transfer learning for crack image classification on NISQ hardware [62.997667081978825]
  グレー値画像のひび割れ検出に量子転送学習を適用した。 我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
  論文  参考訳（メタデータ） (2023-07-31T14:45:29Z)
• Towards Accurate Post-training Quantization for Diffusion Models [73.19871905102545]
  本稿では,効率的な画像生成のための拡散モデル(ADP-DM)の高精度なデータフリーポストトレーニング量子化フレームワークを提案する。 提案手法は, 拡散モデルの学習後の量子化を, 同様の計算コストで, 非常に大きなマージンで高速化する。
  論文  参考訳（メタデータ） (2023-05-30T04:00:35Z)
• Image-to-Image Regression with Distribution-Free Uncertainty Quantification and Applications in Imaging [88.20869695803631]
  真値を含むことが保証される各画素の周囲の不確実な間隔を導出する方法を示す。 画像から画像への回帰を3つのタスクで評価する。
  論文  参考訳（メタデータ） (2022-02-10T18:59:56Z)
• Orthonormal Product Quantization Network for Scalable Face Image Retrieval [14.583846619121427]
  本稿では、製品量化と正規の制約をエンドツーエンドのディープラーニングフレームワークに統合し、顔画像を取得する。 事前定義された正規直交ベクトルをコードワードとして用いる新しいスキームを提案し,量子化情報性を高め,符号ワードの冗長性を低減した。 4つの顔データセットに対して、目視と目視の両方のID検索設定で実験を行う。
  論文  参考訳（メタデータ） (2021-07-01T09:30:39Z)
• Post-Training Quantization for Vision Transformer [85.57953732941101]
  本稿では,視覚変換器のメモリ記憶量と計算コストを削減するための学習後量子化アルゴリズムを提案する。 約8ビット量子化を用いて、ImageNetデータセット上でDeiT-Bモデルを用いて81.29%のトップ-1の精度を得ることができる。
  論文  参考訳（メタデータ） (2021-06-27T06:27:22Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Image Restoration from Parametric Transformations using Generative Models [4.467248776406006]
  生成モデルを用いた様々な画像復元問題に対する最適手法を開発した。 提案手法では,未知のパラメータを含む場合であっても,変換によって歪んだ画像の復元が可能である。 本手法は,各画像がそれぞれの生成モデルによって記述された複数の画像の混合に適応するように拡張する。
  論文  参考訳（メタデータ） (2020-05-27T01:14:40Z)
• Experimental realization of a quantum image classifier via tensor-network-based machine learning [4.030017427802459]
  我々は,フォトニックキュービットを用いた実写画像の分類に成功していることを示す。 我々は手書きゼロと手書きゼロのバイナリ分類に焦点をあて、その特徴をテンソル-ネットワーク表現にキャストする。 テンソル積表現における特徴の効率的なマルチキュービット符号化にスケールすることができる。
  論文  参考訳（メタデータ） (2020-03-19T03:26:27Z)

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。