論文の概要: Nonlocal Adaptive Direction-Guided Structure Tensor Total Variation For Image Recovery

• arxiv url: http://arxiv.org/abs/2008.12505v1
• Date: Fri, 28 Aug 2020 06:58:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 02:21:46.788681
• Title: Nonlocal Adaptive Direction-Guided Structure Tensor Total Variation For Image Recovery
• Title（参考訳）: 画像復元のための非局所適応方向誘導構造テンソル総変動
• Authors: Ezgi Demircan-Tureyen, Mustafa E. Kamasak
• Abstract要約: 本論文は,NLSTVの規格化期間を,指向性プリミティブを用いて促進することを目的としている。 本稿では、異方性ガウス核を用いて、後述のモデルで使われる方向特徴を推定する手法を提案する。
• 参考スコア（独自算出の注目度）: 6.396288020763144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A common strategy in variational image recovery is utilizing the nonlocal self-similarity (NSS) property, when designing energy functionals. One such contribution is nonlocal structure tensor total variation (NLSTV), which lies at the core of this study. This paper is concerned with boosting the NLSTV regularization term through the use of directional priors. More specifically, NLSTV is leveraged so that, at each image point, it gains more sensitivity in the direction that is presumed to have the minimum local variation. The actual difficulty here is capturing this directional information from the corrupted image. In this regard, we propose a method that employs anisotropic Gaussian kernels to estimate directional features to be later used by our proposed model. The experiments validate that our entire two-stage framework achieves better results than the NLSTV model and two other competing local models, in terms of visual and quantitative evaluation.
• Abstract（参考訳）: 変動画像回復における一般的な戦略は、エネルギー汎関数を設計する際に非局所自己相似性(NSS)特性を利用することである。 そのような貢献の1つは非局所構造テンソル総変量(NLSTV)であり、この研究の中心にある。 本論文は,NLSTVの規格化期間を指向性プリミティブを用いて促進することを目的とする。 より具体的には、NLSTVは各画像ポイントにおいて、最小局所変動を持つと仮定される方向の感度を高めるために利用される。 実際に難しいのは、この方向情報を破損した画像から捉えることだ。 そこで本研究では,異方性ガウス核を用いて,後年提案モデルで使用される方向特徴を推定する手法を提案する。 実験により,NLSTVモデルと他の2つの競合するローカルモデルよりも,視覚的および定量的評価の点から,我々の2段階フレームワーク全体がより良い結果が得られることを確認した。

関連論文リスト

• Coarse-Fine Spectral-Aware Deformable Convolution For Hyperspectral Image Reconstruction [15.537910100051866]
  Coded Aperture Snapshot Spectral Imaging (CASSI) の逆問題について検討する。 粗面スペクトル対応変形性畳み込みネットワーク(CFSDCN)を提案する。 我々のCFSDCNは、シミュレーションされたHSIデータセットと実際のHSIデータセットの両方において、従来の最先端(SOTA)メソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-06-18T15:15:12Z)
• Space-Variant Total Variation boosted by learning techniques in few-view tomographic imaging [0.0]
  本稿では,未決定の線形逆問題に対する空間変動正規化モデルの開発に焦点をあてる。 提案モデルの主な目的は,ディノベーションと細部・縁の保存のバランスを良くすることである。 畳み込みニューラルネットワークは、トレーニングにおいて弾性損失関数を用いて、基底真理像とその勾配を近似するように設計されている。
  論文  参考訳（メタデータ） (2024-04-25T08:58:41Z)
• Affine-Transformation-Invariant Image Classification by Differentiable Arithmetic Distribution Module [8.125023712173686]
  畳み込みニューラルネットワーク(CNN)は画像分類において有望な結果を得た。 CNNは回転、翻訳、フリップ、シャッフルなどのアフィン変換に弱い。 本研究では,分散学習手法を取り入れた,より堅牢な代替手法を提案する。
  論文  参考訳（メタデータ） (2023-09-01T22:31:32Z)
• Effective Invertible Arbitrary Image Rescaling [77.46732646918936]
  Invertible Neural Networks (INN)は、ダウンスケーリングとアップスケーリングのサイクルを共同で最適化することにより、アップスケーリングの精度を大幅に向上させることができる。 本研究の1つのモデルのみをトレーニングすることにより、任意の画像再スケーリングを実現するために、単純で効果的な非可逆的再スケーリングネットワーク(IARN)を提案する。 LR出力の知覚品質を損なうことなく、双方向任意再スケーリングにおいて最先端(SOTA)性能を実現する。
  論文  参考訳（メタデータ） (2022-09-26T22:22:30Z)
• Mutual Affine Network for Spatially Variant Kernel Estimation in Blind Image Super-Resolution [130.32026819172256]
  既存のブラインド画像超解像法(SR)は、ぼやけたカーネルが画像全体にわたって空間的に不変であると仮定する。 本稿では,空間変動カーネル推定のための相互アフィンネットワーク(MANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T16:11:17Z)
• 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)
• Image Super-Resolution with Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars Mining [66.82470461139376]
  本稿では,再帰型ニューラルネットワークに統合されたCS-NLアテンションモジュールを提案する。 新しいCS-NLと局所的および非局所的非局所的前駆体を強力な再帰核融合セルで組み合わせることで、単一の低分解能画像内でよりクロススケールな特徴相関を見出すことができる。
  論文  参考訳（メタデータ） (2020-06-02T07:08:58Z)
• Iterative Network for Image Super-Resolution [69.07361550998318]
  単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。 本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。 反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
  論文  参考訳（メタデータ） (2020-05-20T11:11:47Z)
• Revisiting Initialization of Neural Networks [72.24615341588846]
  ヘッセン行列のノルムを近似し, 制御することにより, 層間における重みのグローバルな曲率を厳密に推定する。 Word2Vec と MNIST/CIFAR 画像分類タスクの実験により,Hessian ノルムの追跡が診断ツールとして有用であることが確認された。
  論文  参考訳（メタデータ） (2020-04-20T18:12:56Z)
• Adaptive Direction-Guided Structure Tensor Total Variation [6.396288020763144]
  方向性誘導構造テンソル総変分(DSTV)は近年提案されている正規化用語である。 構造テンソルに基づいて局所的な形状をキャプチャする効率的なプリプロセッサを提案する。
  論文  参考訳（メタデータ） (2020-01-16T09:49:29Z)

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。