Fugu-MT 論文翻訳(概要): Adaptively Sparse Regularization for Blind Image Restoration

論文の概要: Adaptively Sparse Regularization for Blind Image Restoration

arxiv url: http://arxiv.org/abs/2101.09401v1
Date: Sat, 23 Jan 2021 02:40:01 GMT
ステータス: 処理完了
システム内更新日: 2021-03-20 15:44:03.621648
Title: Adaptively Sparse Regularization for Blind Image Restoration
Title（参考訳）: ブラインド画像復元のための適応スパース正規化
Authors: Ningshan Xu
Abstract要約: ブラインド画像復元は画像の品質向上に広く利用されている。主な目標は、ぼかしカーネルと潜むシャープなイメージを忠実に見積もることです。本研究では,適応的スパース正規化最小化法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Image quality is the basis of image communication and understanding tasks. Due to the blur and noise effects caused by imaging, transmission and other processes, the image quality is degraded. Blind image restoration is widely used to improve image quality, where the main goal is to faithfully estimate the blur kernel and the latent sharp image. In this study, based on experimental observation and research, an adaptively sparse regularized minimization method is originally proposed. The high-order gradients combine with low-order ones to form a hybrid regularization term, and an adaptive operator derived from the image entropy is introduced to maintain a good convergence. Extensive experiments were conducted on different blur kernels and images. Compared with existing state-of-the-art blind deblurring methods, our method demonstrates superiority on the recovery accuracy.
Abstract（参考訳）: 画像品質は、画像コミュニケーションと理解タスクの基礎である。撮像、伝送、その他のプロセスによるぼやけやノイズの影響により、画質が劣化する。ブラインド画像復元は画像品質向上のために広く用いられており、主な目的は、ぼやけたカーネルと潜伏したシャープ画像とを忠実に推定することである。本研究では,実験観測と研究に基づいて,適応的にスパースな正規化最小化法を提案する。高次勾配は低次勾配と結合してハイブリッド正規化項を形成し、画像エントロピーから導出される適応作用素を導入して良好な収束を維持する。異なるブラーカーネルと画像に対して大規模な実験を行った。従来の最先端のブラインドデブロアリング法と比較して,本手法は回収精度に優れていた。

関連論文リスト

Context-Aware Optimal Transport Learning for Retinal Fundus Image Enhancement [1.8339026473337505]
本稿では,未実装の眼底画像強調に対処するためのコンテキストインフォームド・トランスポート(OT)学習フレームワークを提案する。我々は、地球の距離移動器を用いて、提案した文脈認識OTを導出し、提案した文脈認識OTが確固とした理論的保証を有することを示す。大規模データセットによる実験結果から,提案手法がいくつかの最先端の教師付きおよび教師なし手法よりも優れていることを示す。
論文参考訳（メタデータ） (2024-09-12T09:14:37Z)
Prompt Recovery for Image Generation Models: A Comparative Study of Discrete Optimizers [58.50071292008407]
本稿では,近年の離散最適化手法の突発的逆転問題に対する直接比較について述べる。逆プロンプトと基底真理画像とのCLIP類似性に着目し, 逆プロンプトが生成する画像と基底真理画像との類似性について検討した。
論文参考訳（メタデータ） (2024-08-12T21:35:59Z)
Retinal Image Restoration and Vessel Segmentation using Modified Cycle-CBAM and CBAM-UNet [0.7868449549351486]
畳み込みブロックアテンションモジュール(CBAM)を備えたサイクル一貫性生成対向ネットワーク(CycleGAN)を網膜画像復元に使用する。修正されたUNetは、回復した網膜画像の網膜血管セグメンテーションに使用される。提案手法は, アウト・オブ・フォーカスのぼかし, 色歪み, 低, 高, 不均一照明による劣化効果を著しく低減することができる。
論文参考訳（メタデータ） (2022-09-09T10:47:20Z)
Image Quality Assessment: Learning to Rank Image Distortion Level [0.0]
選択した歪みに対して、2つの登録画像の画質を比較することを学ぶ。本手法は、画像歪みをシミュレーションし、その相対的な画質を評価することにより、絶対値を評価するよりも容易であるという事実を生かしている。
論文参考訳（メタデータ） (2022-08-04T18:33:33Z)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文参考訳（メタデータ） (2021-10-27T18:54:25Z)
Low-Light Image Enhancement with Normalizing Flow [92.52290821418778]
本稿では,この一対多の関係を正規化フローモデルを用いてモデル化する。低照度画像/特徴を条件として取り、通常露光される画像の分布をガウス分布にマッピングすることを学ぶ可逆ネットワーク。既存のベンチマークデータセットによる実験結果から,提案手法はより定量的,質的な結果を得ることができ,照度が良く,ノイズやアーティファクトが小さく,色も豊かになることがわかった。
論文参考訳（メタデータ） (2021-09-13T12:45:08Z)
Learning Conditional Knowledge Distillation for Degraded-Reference Image Quality Assessment [157.1292674649519]
劣化参照IQA(DR-IQA)という実用的な解を提案する。 DR-IQAはIRモデルの入力、劣化したイメージを参照として利用する。私たちの結果は、フル参照設定のパフォーマンスに近いものもあります。
論文参考訳（メタデータ） (2021-08-18T02:35:08Z)
Residual Networks based Distortion Classification and Ranking for Laparoscopic Image Quality Assessment [12.374294852377382]
腹腔鏡画像やビデオは、ノイズ、煙、ぼやけ、均一でない照明など、様々な種類の歪みに影響されることが多い。本稿では,歪みの重大度レベル(またはランク)を考慮し,画像品質評価タスクを多ラベル分類問題として定式化する。腹腔鏡画像データセットで得られた結果は,提案手法の効率性を示す。
論文参考訳（メタデータ） (2021-06-12T14:26:11Z)
Perceptual Image Restoration with High-Quality Priori and Degradation Learning [28.93489249639681]
本モデルは,復元画像と劣化画像の類似度を測定するのに有効であることを示す。同時修復・拡張フレームワークは,実世界の複雑な分解型によく一般化する。
論文参考訳（メタデータ） (2021-03-04T13:19:50Z)
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)

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。