論文の概要: TextureWGAN: Texture Preserving WGAN with MLE Regularizer for Inverse Problems

• arxiv url: http://arxiv.org/abs/2008.04861v2
• Date: Wed, 12 Aug 2020 01:24:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 12:29:23.668876
• Title: TextureWGAN: Texture Preserving WGAN with MLE Regularizer for Inverse Problems
• Title（参考訳）: TextureWGAN: 逆問題に対するMLE正規化器を用いたWGANのテクスチャ保存
• Authors: Masaki Ikuta and Jun Zhang
• Abstract要約: 提案手法の中で最も一般的で効果的な方法は平均二乗誤差(MSE)を持つ畳み込みニューラルネットワーク(CNN)である。 逆問題に対するWGAN(Wasserstein GAN)に基づく新しい手法を提案する。 We showed that the WGAN-based method was effective to maintain image texture, it also also used a maximum max estimation regularizer (MLE) to maintain pixel fidelity。
• 参考スコア（独自算出の注目度）: 4.112614964808275
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many algorithms and methods have been proposed for inverse problems particularly with the recent surge of interest in machine learning and deep learning methods. Among all proposed methods, the most popular and effective method is the convolutional neural network (CNN) with mean square error (MSE). This method has been proven effective in super-resolution, image de-noising, and image reconstruction. However, this method is known to over-smooth images due to the nature of MSE. MSE based methods minimize Euclidean distance for all pixels between a baseline image and a generated image by CNN and ignore the spatial information of the pixels such as image texture. In this paper, we proposed a new method based on Wasserstein GAN (WGAN) for inverse problems. We showed that the WGAN-based method was effective to preserve image texture. It also used a maximum likelihood estimation (MLE) regularizer to preserve pixel fidelity. Maintaining image texture and pixel fidelity is the most important requirement for medical imaging. We used Peak Signal to Noise Ratio (PSNR) and Structure Similarity (SSIM) to evaluate the proposed method quantitatively. We also conducted first-order and second-order statistical image texture analysis to assess image texture.
• Abstract（参考訳）: 機械学習やディープラーニングの手法への関心の高まりに伴い、逆問題に対する多くのアルゴリズムや手法が提案されている。 提案手法の中で最も一般的で効果的な方法は、平均二乗誤差(MSE)を持つ畳み込みニューラルネットワーク(CNN)である。 この手法は超解像、画像デノイズ化、画像再構成に有効であることが証明されている。 しかし、この手法はMSEの性質上、過度に滑らかな画像で知られている。 MSEに基づく手法は,ベースライン画像とCNNによる生成画像とのすべての画素間のユークリッド距離を最小化し,画像テクスチャなどの画素の空間情報を無視する。 本稿では,逆問題に対する WGAN (Wasserstein GAN) に基づく新しい手法を提案する。 WGAN法は画像テクスチャの保存に有効であることを示した。 また、ピクセルの忠実度を維持するために最大推定(MLE)正則化器も使用した。 画像テクスチャとピクセル忠実性を維持することは、医療画像の最も重要な要件である。 提案手法を定量的に評価するために,Pak Signal to Noise Ratio (PSNR) とStructure similarity (SSIM) を用いた。 また,画像テクスチャを評価するために,一階,二階の統計画像テクスチャ解析を行った。

関連論文リスト

• A Dictionary Based Approach for Removing Out-of-Focus Blur [0.0]
  アウト・オブ・フォーカスのぼかし除去作業のための高速・高精度画像超解法アルゴリズムの拡張を提案する。 資産配分管理に基づく計量に基づくブレンディング戦略も提案する。 本手法は,一般的な脱臭法と比較して約13%(PSNR)と10%(SSIM)の平均的な増加を示す。
  論文  参考訳（メタデータ） (2024-06-17T08:42:03Z)
• Learning-Based and Quality Preserving Super-Resolution of Noisy Images [0.0]
  本稿では,雑音の存在を考慮し,入力画像の特性を保存する学習手法を提案する。 Cineca Marconi100クラスタ上で、トップ500リストの26位でテストを行います。
  論文  参考訳（メタデータ） (2023-11-03T22:00:50Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
  我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。 新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。 増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
  論文  参考訳（メタデータ） (2023-08-10T12:53:30Z)
• Improving Pixel-based MIM by Reducing Wasted Modeling Capability [77.99468514275185]
  浅い層から低レベルの特徴を明示的に利用して画素再構成を支援する手法を提案する。 私たちの知る限りでは、等方的アーキテクチャのためのマルチレベル特徴融合を体系的に研究するのは、私たちは初めてです。 提案手法は, 微調整では1.2%, 線形探索では2.8%, セマンティックセグメンテーションでは2.6%など, 大幅な性能向上をもたらす。
  論文  参考訳（メタデータ） (2023-08-01T03:44:56Z)
• Dense Pixel-to-Pixel Harmonization via Continuous Image Representation [22.984119094424056]
  Inlicit Neural Networks (HINet) を用いた新しい画像調和手法を提案する。 Retinex理論に触発されて、調和を2つの部分に分離し、合成画像の内容と環境をそれぞれキャプチャする。 本手法の有効性を,最先端の手法と比較した実験により検証した。
  論文  参考訳（メタデータ） (2023-03-03T02:52:28Z)
• Patch-based image Super Resolution using generalized Gaussian mixture model [0.0]
  単一画像超解像法(SISR)は、低分解能観測から高分解能でクリーンな画像を復元することを目的としている。 パッチベースのアプローチのファミリーは、かなりの注目と開発を受けています。 本稿では,低分解能パッチとそれに対応する高分解能パッチのペアからGGMM(Command Generalized Gaussian Mix Model)を基準データから学習するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-07T07:40:05Z)
• Highly Efficient Natural Image Matting [15.977598189574659]
  軽量モデルを用いたトリマップフリーな自然画像マッチング手法を提案する。 非常に軽量なモデルを構築し、人気のある自然画像ベンチマーク上で1% (344k) の大規模モデルで同等の性能を実現する。
  論文  参考訳（メタデータ） (2021-10-25T09:23:46Z)
• Image Restoration by Deep Projected GSURE [115.57142046076164]
  Ill-posed inverse problem は、デブロアリングや超解像など、多くの画像処理アプリケーションに現れる。 本稿では,一般化されたSteinUnbiased Risk Estimator(GSURE)の「投影変換」とCNNによる潜在画像のパラメータ化を含む損失関数の最小化に基づく,新たな画像復元フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-04T08:52:46Z)
• 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)
• 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)

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。