論文の概要: Interpolating Points on a Non-Uniform Grid using a Mixture of Gaussians
- arxiv url: http://arxiv.org/abs/2012.13257v1
- Date: Thu, 24 Dec 2020 13:59:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 14:27:19.648935
- Title: Interpolating Points on a Non-Uniform Grid using a Mixture of Gaussians
- Title(参考訳): ガウス型混合格子を用いた非一様格子上の補間点
- Authors: Ivan Skorokhodov
- Abstract要約: ガウス混合モデルに基づく一様でない画像を生成する手法を提案する。
従来の画像方法は、補間したい座標が一様格子上に配置されていると仮定します。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we propose an approach to perform non-uniform image
interpolation based on a Gaussian Mixture Model. Traditional image
interpolation methods, like nearest neighbor, bilinear, Hamming, Lanczos, etc.
assume that the coordinates you want to interpolate from, are positioned on a
uniform grid. However, it is not always the case in practice and we develop an
interpolation method that is able to generate an image from arbitrarily
positioned pixel values. We do this by representing each known pixel as a 2D
normal distribution and considering each output image pixel as a sample from
the mixture of all the known ones. Apart from the ability to reconstruct an
image from arbitrarily positioned set of pixels, this also allows us to
differentiate through the interpolation procedure, which might be helpful for
downstream applications. Our optimized CUDA kernel and the source code to
reproduce the benchmarks is located at
https://github.com/universome/non-uniform-interpolation.
- Abstract(参考訳): 本研究では,ガウス混合モデルに基づく一様でない画像補間を行う手法を提案する。
近接近傍、双線型、ハミング、ランチョスなどの従来の画像補間法。
補間したい座標が 均一な格子上に 配置されていると仮定する
しかし、実際には必ずしもそうではないため、任意に位置付けられた画素値から画像を生成できる補間法を開発する。
我々は、既知の各画素を2次元正規分布として表現し、各出力画像画素を既知の各画素の混合したサンプルとして考慮する。
任意に配置されたピクセル群から画像を再構成する機能とは別に、これはまた、下流アプリケーションに役立つ補間手順を通して区別することもできます。
最適化されたCUDAカーネルとベンチマークを再現するソースコードはhttps://github.com/universome/non-uniform-interpolationにあります。
関連論文リスト
- FuSS: Fusing Superpixels for Improved Segmentation Consistency [2.7771471571972333]
本論文では,Open Set Semanticのセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティック
まず,各クラスの画素分布をマルチモーダルにモデル化するOpenGMMを提案する。
第二のアプローチは後処理で、スーパーピクセルを使って高度に均一な領域を均等に振る舞う。
論文 参考訳(メタデータ) (2022-06-06T16:14:19Z) - FRIH: Fine-grained Region-aware Image Harmonization [49.420765789360836]
我々は,FRIH(Fentral-Aware Image Harmonization)のための新しいグローバルな2段階フレームワークを提案する。
提案アルゴリズムは,軽量モデルを用いて,iHarmony4データセット(PSNRは38.19dB)上で最高の性能を実現する。
論文 参考訳(メタデータ) (2022-05-13T04:50:26Z) - Hybrid Model-based / Data-driven Graph Transform for Image Coding [54.31406300524195]
予測内残差ブロックを符号化するハイブリッドモデルベース/データ駆動方式を提案する。
変換行列の最初の$K$固有ベクトルは、安定性のための非対称離散正弦変換(ADST)のような統計モデルから導かれる。
WebPをベースライン画像として使用することにより、我々のハイブリッドグラフ変換は、デフォルトの離散コサイン変換(DCT)よりもエネルギーの圧縮が良く、KLTよりも安定性がよいことを示す。
論文 参考訳(メタデータ) (2022-03-02T15:36:44Z) - Global and Local Alignment Networks for Unpaired Image-to-Image
Translation [170.08142745705575]
未ペア画像から画像への変換の目的は、対象領域のスタイルを反映した出力画像を作成することである。
既存の手法では内容変化に注意が払われていないため、ソース画像からの意味情報は翻訳中の劣化に悩まされる。
我々はGLA-Net(Global and Local Alignment Networks)という新しいアプローチを導入する。
本手法は既存の手法よりもシャープでリアルな画像を効果的に生成する。
論文 参考訳(メタデータ) (2021-11-19T18:01:54Z) - Edge Tracing using Gaussian Process Regression [0.0]
ガウス過程回帰を用いた新しいエッジトレースアルゴリズムを提案する。
我々のアプローチは、画像シーケンスのエッジを効率的に追跡する能力を持っている。
医療画像や衛星画像への様々な応用が、この技術を検証するために用いられている。
論文 参考訳(メタデータ) (2021-11-05T16:43:14Z) - Spatial-Separated Curve Rendering Network for Efficient and
High-Resolution Image Harmonization [59.19214040221055]
本稿では,空間分離型曲線描画ネットワーク(S$2$CRNet)を提案する。
提案手法は従来の手法と比較して90%以上のパラメータを減少させる。
提案手法は,既存の手法よりも10ドル以上高速な高解像度画像をリアルタイムにスムーズに処理することができる。
論文 参考訳(メタデータ) (2021-09-13T07:20:16Z) - Aligning Latent and Image Spaces to Connect the Unconnectable [22.90522514729253]
我々は,多様で複雑なコンテンツを含む無限高分解能画像を生成する手法を開発した。
これは、画像空間とラテント空間に同期同値を持つ完全同変発生器に基づいている。
LHQ, LSUNタワー, LSUNブリッジのアプローチを検証し, ベースラインを少なくとも4倍に向上させた。
論文 参考訳(メタデータ) (2021-04-14T16:29:20Z) - InfinityGAN: Towards Infinite-Resolution Image Synthesis [92.40782797030977]
任意の解像度画像を生成するinfinityganを提案する。
少ない計算資源でパッチバイパッチをシームレスに訓練し、推論する方法を示す。
論文 参考訳(メタデータ) (2021-04-08T17:59:30Z) - AlignMix: Improving representation by interpolating aligned features [19.465347590276114]
特徴空間に2つの画像を幾何学的にアライメントするAlignMixを紹介した。
自動エンコーダは、デコードされた画像を見ることなく、mixup下での表現学習を改善できることを示す。
論文 参考訳(メタデータ) (2021-03-29T07:03:18Z) - AINet: Association Implantation for Superpixel Segmentation [82.21559299694555]
今回提案する新しいtextbfAssociation textbfImplantation(AI)モジュールは、ネットワークがピクセルとその周辺グリッド間の関係を明示的にキャプチャすることを可能にする。
本手法は最先端性能を実現するだけでなく,十分な推論効率を維持することができた。
論文 参考訳(メタデータ) (2021-01-26T10:40:13Z)
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。