論文の概要: A Preliminary Comparison Between Compressive Sampling and Anisotropic Mesh-based Image Representation

• arxiv url: http://arxiv.org/abs/2011.09944v2
• Date: Mon, 14 Dec 2020 03:14:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 21:44:37.439508
• Title: A Preliminary Comparison Between Compressive Sampling and Anisotropic Mesh-based Image Representation
• Title（参考訳）: 圧縮サンプリングと異方性メッシュに基づく画像表現の予備比較
• Authors: Xianping Li, Teresa Wu
• Abstract要約: 圧縮センシング(CS)は、信号自体よりもはるかに少ないサンプルでスパース信号を表現し再構成するために、過去20年で一般的な分野となっている。 MbIRは画像ピクセルを直接処理し、三角形のメッシュを使用してより少ないポイントで画像を表現する。 その結果, 同じ試料密度のAMA表現により, CSよりも良好な再現性が得られることがわかった。
• 参考スコア（独自算出の注目度）: 1.9798034349981162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compressed sensing (CS) has become a popular field in the last two decades to represent and reconstruct a sparse signal with much fewer samples than the signal itself. Although regular images are not sparse on their own, many can be sparsely represented in wavelet transform domain. Therefore, CS has also been widely applied to represent digital images. However, an alternative approach, adaptive sampling such as mesh-based image representation (MbIR), has not attracted as much attention. MbIR works directly on image pixels and represents the image with fewer points using a triangular mesh. In this paper, we perform a preliminary comparison between the CS and a recently developed MbIR method, AMA representation. The results demonstrate that, at the same sample density, AMA representation can provide better reconstruction quality than CS based on the tested algorithms. Further investigation with recent algorithms is needed to perform a thorough comparison.
• Abstract（参考訳）: 圧縮センシング(cs)は過去20年で一般的な分野となり、信号そのものよりも少ないサンプルでスパース信号を表現し再構成している。 通常の画像は単独ではスパースしないが、多くはウェーブレット変換領域でスパースに表現できる。 そのため、csはデジタル画像の表現にも広く応用されている。 しかし、メッシュベース画像表現(MbIR)のような適応的なサンプリング手法は、あまり注目されていない。 MbIRは画像ピクセルを直接処理し、三角形のメッシュを使用してより少ないポイントで画像を表現する。 本稿では,CSと最近開発されたMbIR法,AMA表現の予備比較を行う。 その結果, ama表現は, 同じサンプル密度で, テストしたアルゴリズムに基づいて, csよりも優れた再構成品質が得られることがわかった。 徹底的な比較を行うには,最近のアルゴリズムによるさらなる調査が必要である。

関連論文リスト

• MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
  本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。 実験により,提案手法が現在の先行手法を超越していることが実証された。
  論文  参考訳（メタデータ） (2024-01-19T04:40:20Z)
• Image Similarity using An Ensemble of Context-Sensitive Models [2.9490616593440317]
  ラベル付きデータに基づく画像類似性モデルの構築と比較に,より直感的なアプローチを提案する。 画像空間(R,A,B)におけるスパースサンプリングの課題と,文脈に基づくデータを用いたモデルにおけるバイアスに対処する。 実験の結果,構築したアンサンブルモデルは,最高の文脈依存モデルよりも5%高い性能を示した。
  論文  参考訳（メタデータ） (2024-01-15T20:23:05Z)
• Hyperspectral Image Compression Using Sampling and Implicit Neural Representations [2.3931689873603603]
  ハイパースペクトル画像は、シーンの画像中の画素の電磁スペクトルを記録する。 これらの画像の撮影コストが低下する中で、ハイパースペクトル画像の保存、送信、解析のための効率的な技術を開発する必要がある。 本稿では,暗黙的ニューラル表現を用いたハイパースペクトル画像圧縮法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T01:10:04Z)
• Neural Fields with Thermal Activations for Arbitrary-Scale Super-Resolution [56.089473862929886]
  本稿では,適応型ガウスPSFを用いて点を問合せできる新しい設計手法を提案する。 理論的に保証されたアンチエイリアスにより、任意のスケールの単一画像の超解像のための新しい手法が確立される。
  論文  参考訳（メタデータ） (2023-11-29T14:01:28Z)
• Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
  生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。 ストレージの要求が大きいため、一般ユーザからは広く採用されていない。 本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-21T06:59:07Z)
• Enhancement of theColor Image Compression Using a New Algorithm based on Discrete Hermite Wavelet Transform [0.0]
  画像ビットを削減し、圧縮形式でデータを表現するためには、新しいアルゴリズムが必要である。 画像圧縮は、大きなファイルや画像を転送するための重要なアプリケーションである。 離散ヘルミットウェーブレット変換(DHWT)に基づく新しいアルゴリズム
  論文  参考訳（メタデータ） (2023-03-23T11:11:41Z)
• Analog Bits: Generating Discrete Data using Diffusion Models with Self-Conditioning [90.02873747873444]
  ビット拡散(Bit Diffusion)は、連続拡散モデルを用いて離散データを生成する一般的な手法である。 提案手法は,画像生成タスクと画像キャプションタスクの両方において,高い性能を実現することができる。 MS-COCOデータセットの画像キャプションでは, 自己回帰モデルと比較して, 競合的な結果が得られる。
  論文  参考訳（メタデータ） (2022-08-08T15:08:40Z)
• Correlation Verification for Image Retrieval [15.823918683848877]
  相関検証ネットワーク (CVNet) という新しい画像検索手法を提案する。 CVNetは、様々な画像対から多様な幾何マッチングパターンを学習しながら、高密度特徴相関を画像類似性に圧縮する。 提案するネットワークは,有意なマージンを有する複数の検索ベンチマークにおいて,最先端の性能を示す。
  論文  参考訳（メタデータ） (2022-04-04T13:18:49Z)
• Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
  本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
  論文  参考訳（メタデータ） (2022-03-09T16:17:47Z)
• Image Compression with Recurrent Neural Network and Generalized Divisive Normalization [3.0204520109309843]
  深層学習は研究コミュニティから大きな注目を集め、将来有望な画像再構成結果を生み出している。 近年の手法は、ネットワークの複雑さを大幅に増大させる、より深い複雑なネットワークの開発に焦点を当てている。 本稿では、畳み込み層を用いた解析とブロック合成と、可変レートエンコーダとデコーダ側における一般化分割正規化(GDN)の2つの有効な新しいブロックを開発する。
  論文  参考訳（メタデータ） (2021-09-05T05:31:55Z)
• 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。