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: 翻訳完了
• 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

• AID: Attention Interpolation of Text-to-Image Diffusion [64.87754163416241]
  AID(Attention Interpolation via Diffusion)という,トレーニング不要な手法を導入する。 AIDは補間された注意を自己注意と融合させ、忠実性を高める。 また,条件に依存した生成過程として,拡散による条件誘導注意補間(AID)も提案する。
  論文  参考訳（メタデータ） (2024-03-26T17:57:05Z)
• Hermite coordinate interpolation kernels: application to image zooming [0.0]
  幾何変換のような多くの基本的な画像処理タスクは、ピクセル以下の画像値を必要とする。 この研究では、非等間隔線型格子上で定義される多次元エルミートスプラインを利用する。 補間体の複雑さが増大しているにもかかわらず、カーネルが構築されると、Hermiteスプラインは他のより複雑な方法と同様に効率的に画像に適用できることが示される。
  論文  参考訳（メタデータ） (2024-03-19T23:06:10Z)
• Dilated Convolution with Learnable Spacings: beyond bilinear interpolation [10.89964981012741]
  Dilated Convolution with Learnable Spacingsは拡張畳み込みのバリエーションとして提案されている。 非整数位置は勾配によって処理される。 メソッドコードはPyTorchに基づいている。
  論文  参考訳（メタデータ） (2023-06-01T15:42:08Z)
• $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D Reconstruction [97.06927852165464]
  単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。 条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
  論文  参考訳（メタデータ） (2023-02-21T13:37:07Z)
• Adaptive Local Implicit Image Function for Arbitrary-scale Super-resolution [61.95533972380704]
  局所暗黙画像関数(LIIF)は、対応する座標を入力として、画素値が拡張される連続関数として画像を表す。 LIIFは任意のスケールの超解像タスクに適用でき、その結果、様々なアップスケーリング要因に対して単一の効率的かつ効率的なモデルが得られる。 この問題を軽減するために,新しい適応型局所像関数(A-LIIF)を提案する。
  論文  参考訳（メタデータ） (2022-08-07T11:23:23Z)
• 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)
• 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)
• 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)
• Superpixel Based Graph Laplacian Regularization for Sparse Hyperspectral Unmixing [1.14219428942199]
  画像境界を考慮した超画素分割アルゴリズムを用いて同質領域を抽出する。 まず、各スーパーピクセルの重み付きグラフを、各スーパーピクセルで$K$-nearest ピクセルを選択して構築する。 グラフラプラシア正規化を用いて空間的類似性を検討した。
  論文  参考訳（メタデータ） (2020-07-28T07:30:50Z)
• Locally Masked Convolution for Autoregressive Models [107.4635841204146]
  LMConvは標準的な2Dコンボリューションの簡単な修正であり、任意のマスクを画像の各位置の重みに適用することができる。 我々は,パラメータを共有するが生成順序が異なる分布推定器のアンサンブルを学習し,全画像密度推定の性能を向上させる。
  論文  参考訳（メタデータ） (2020-06-22T17:59:07Z)

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。