Fugu-MT 論文翻訳(概要): Prior Image-Constrained Reconstruction using Style-Based Generative Models

論文の概要: Prior Image-Constrained Reconstruction using Style-Based Generative Models

arxiv url: http://arxiv.org/abs/2102.12525v2
Date: Mon, 14 Jun 2021 23:22:13 GMT
ステータス: 処理完了
システム内更新日: 2023-04-10 00:46:59.906263
Title: Prior Image-Constrained Reconstruction using Style-Based Generative Models
Title（参考訳）: スタイルベース生成モデルを用いた事前制約画像再構成
Authors: Varun A. Kelkar, Mark A. Anastasio
Abstract要約: 本稿では,既知の先行画像と意味的に関連のある関心対象を推定するためのフレームワークを提案する。スタイルベース生成モデルの非交叉潜在空間に最適化問題を定式化する。意味的に有意な制約は、前の画像の非絡み合った潜在表現を用いて課される。
参考スコア（独自算出の注目度）: 15.757204774959366
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Obtaining a useful estimate of an object from highly incomplete imaging measurements remains a holy grail of imaging science. Deep learning methods have shown promise in learning object priors or constraints to improve the conditioning of an ill-posed imaging inverse problem. In this study, a framework for estimating an object of interest that is semantically related to a known prior image, is proposed. An optimization problem is formulated in the disentangled latent space of a style-based generative model, and semantically meaningful constraints are imposed using the disentangled latent representation of the prior image. Stable recovery from incomplete measurements with the help of a prior image is theoretically analyzed. Numerical experiments demonstrating the superior performance of our approach as compared to related methods are presented.
Abstract（参考訳）: 高度に不完全な撮像測定から物体の有用な推定を得ることは、画像科学の聖杯である。深層学習手法は、対象の事前学習や制約が不適切な画像逆問題に対する条件付けを改善することを約束している。本研究では,既知の先行画像と意味的に関連のある対象を推定するための枠組みを提案する。スタイルベース生成モデルの非絡み付き潜在空間に最適化問題を定式化し、前画像の非絡み付き潜在表現を用いて意味的に有意な制約を課す。先行画像の助けを借りて不完全測定からの安定回復を理論的に解析する。関連する手法と比較して,提案手法の優れた性能を示す数値実験を行った。

関連論文リスト

Diffeomorphic Template Registration for Atmospheric Turbulence Mitigation [50.16004183320537]
大気の乱流により劣化した画像の集合体に基づく放射能の回復法について述べる。画像の1つを参照として選択し、その画像から他の画像への光フローの集約により、この画像の変形をモデル化する。単純さに拘わらず、最先端のパフォーマンスを実現しています。
論文参考訳（メタデータ） (2024-05-06T17:39:53Z)
Unsupervised Training of Convex Regularizers using Maximum Likelihood Estimation [12.625383613718636]
本稿では,雑音測定に基づいて,凸型ニューラルネットワークに基づく画像正規化項をトレーニングするために,最大限界推定を用いた教師なし手法を提案する。実験により,提案手法は,様々な画像汚職操作者を対象とした類似の教師付きトレーニング手法と比較して,ほぼ競合する先行手法を生成することを示した。
論文参考訳（メタデータ） (2024-04-08T12:27:00Z)
Variational Bayesian Imaging with an Efficient Surrogate Score-based Prior [7.155937118886449]
不完全, 雑音の計測により, クリーンな画像後部を狙う不完全な逆画像問題について考察する。最近の研究は、スコアベースの拡散モデルを、不適切な画像問題を解くための原則化された先行モデルに変えた。提案するサロゲート先行法は, スコアベース拡散モデルの低境界に基づくものである。
論文参考訳（メタデータ） (2023-09-05T04:55:10Z)
Disentangled Pre-training for Image Matting [74.10407744483526]
画像マッチングは、深層モデルのトレーニングをサポートするために高品質なピクセルレベルの人間のアノテーションを必要とする。本研究では、無限個のデータを活用する自己教師付き事前学習手法を提案し、マッチング性能を向上する。
論文参考訳（メタデータ） (2023-04-03T08:16:02Z)
TexPose: Neural Texture Learning for Self-Supervised 6D Object Pose Estimation [55.94900327396771]
合成データから6次元オブジェクトポーズ推定のためのニューラルネットワークによるテクスチャ学習を提案する。実画像からオブジェクトの現実的なテクスチャを予測することを学ぶ。画素完全合成データからポーズ推定を学習する。
論文参考訳（メタデータ） (2022-12-25T13:36:32Z)
Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
本稿では,ビデオ監視における異常検出問題に対処する。異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
論文参考訳（メタデータ） (2022-03-07T19:28:39Z)
Prior image-based medical image reconstruction using a style-based generative adversarial network [15.757204774959366]
本研究では,画像再構成問題に制約を与えるために,スタイルベースの生成逆ネットワーク(StyleGAN)を提案する。最適化問題はStyleGANの中間潜時空間で定式化され、意味のある画像属性に対してアンタングル化される。 MRイメージングにインスパイアされたスタイリングされた数値研究は、追尾と先行画像が構造的に類似しているように設計されている。
論文参考訳（メタデータ） (2022-02-17T23:28:10Z)
Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
論文参考訳（メタデータ） (2021-11-27T12:12:57Z)
Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
論文参考訳（メタデータ） (2021-08-18T17:57:02Z)
Regularization via deep generative models: an analysis point of view [8.818465117061205]
本稿では, イメージングにおける逆問題(例えば, デブロアリングやインペインティング)を, 深部生成ニューラルネットワークを用いて正則化する新しい手法を提案する。多くの場合、我々の技術はパフォーマンスの明確な改善を実現し、より堅牢であるように思える。
論文参考訳（メタデータ） (2021-01-21T15:04:57Z)
Learning regularization and intensity-gradient-based fidelity for single image super resolution [0.0]
画像劣化の進行について検討し、強度と勾配空間の両方で劣化モデルを確立する。復元には包括的データ一貫性制約が設定される。提案した忠実度項と設計された正規化項は正規化フレームワークに組み込まれる。
論文参考訳（メタデータ） (2020-03-24T07:03:18Z)

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。