論文の概要: Retinal-inspired Filtering for Dynamic Image Coding

• arxiv url: http://arxiv.org/abs/2103.11716v1
• Date: Mon, 22 Mar 2021 10:39:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-24 02:39:16.548102
• Title: Retinal-inspired Filtering for Dynamic Image Coding
• Title（参考訳）: 動的画像符号化のための網膜インスパイアフィルタ
• Authors: Effrosyni Doutsi, Lionel Fillatre, Marc Antonini, Julien Gaulmin
• Abstract要約: このフィルターの構造は、選択的に脳に情報を送信することができる網膜のモデルに触発されます。 非SPAMフィルタは網膜経路を模倣し、ダイナミックエンコーディング/復号システムに必要な情報を抽出する。
• 参考スコア（独自算出の注目度）: 7.770973053439527
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper introduces a novel non-Separable sPAtioteMporal filter (non-SPAM) which enables the spatiotemporal decomposition of a still-image. The construction of this filter is inspired by the model of the retina which is able to selectively transmit information to the brain. The non-SPAM filter mimics the retinal-way to extract necessary information for a dynamic encoding/decoding system. We applied the non-SPAM filter on a still image which is flashed for a long time. We prove that the non-SPAM filter decomposes the still image over a set of time-varying difference of Gaussians, which form a frame. We simulate the analysis and synthesis system based on this frame. This system results in a progressive reconstruction of the input image. Both the theoretical and numerical results show that the quality of the reconstruction improves while the time increases.
• Abstract（参考訳）: 本稿では,静止画像の時空間分解を可能にする非分離性sPAtioteMporalフィルタ(non-SPAM)を提案する。 このフィルターの構成は、選択的に情報を脳に伝達できる網膜のモデルにインスパイアされている。 非SPAMフィルタは網膜経路を模倣し、ダイナミックエンコーディング/復号システムに必要な情報を抽出する。 長時間点滅した静止画像に非SPAMフィルタを適用した。 非SPAMフィルタは、フレームを形成するガウスの時間差の集合上で静止画像を分解することを示す。 このフレームに基づく解析・合成システムについてシミュレーションする。 このシステムは入力画像のプログレッシブな再構成を実現する。 理論的および数値的な結果から,再建の質は時間とともに向上することが示された。

関連論文リスト

• CasDyF-Net: Image Dehazing via Cascaded Dynamic Filters [0.0]
  イメージデハジングは、大気の散乱と吸収効果を低減し、画像の明瞭さと視覚的品質を回復することを目的としている。 動的フィルタリングに着想を得て,マルチブランチネットワークを構築するためにカスケード動的フィルタを提案する。 RESIDE、Haze4K、O-Hazeのデータセットの実験は、我々の方法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-09-13T03:20:38Z)
• Optimization of array encoding for ultrasound imaging [2.357055571094446]
  機械学習(ML)を用いて、時間遅延とアポッド化重みによってパラメータ化されたスキャンシーケンスを構築し、高品質なBモード画像を生成する。 これらの結果は,ワイヤターゲットと組織模倣ファントムの両方で実験的に実証された。
  論文  参考訳（メタデータ） (2024-03-01T05:19:59Z)
• Deep Spatiotemporal Clutter Filtering of Transthoracic Echocardiographic Images Using a 3D Convolutional Auto-Encoder [0.3522080339826246]
  フィルタリングネットワークは3次元畳み込み層を用いて構築され、サイクルを通して乱れパターンを抑える。 訓練されたディープネットワークは、人工的なTTEシーケンスを1秒で処理し、リアルタイムフィルタリングに使用することができる。
  論文  参考訳（メタデータ） (2024-01-23T23:50:04Z)
• Filter Pruning for Efficient CNNs via Knowledge-driven Differential Filter Sampler [103.97487121678276]
  フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。 本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
  論文  参考訳（メタデータ） (2023-07-01T02:28:41Z)
• Panchromatic and Multispectral Image Fusion via Alternating Reverse Filtering Network [23.74842833472348]
  パンシャーペニング(英: Pan-sharpening)とは、空間領域における低分解能(LR)マルチスペクトル(MS)画像の超解像である。 そこで本研究では,パンシャーピングのための簡易かつ効果的なテキスト代替逆フィルタリングネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-15T03:56:05Z)
• A Plug-and-Play Approach to Multiparametric Quantitative MRI: Image Reconstruction using Pre-Trained Deep Denoisers [4.910318162000904]
  本稿では,先進的獲得プロセスに適応したMDFに対する反復的深層学習再構築手法を提案する。 CNNデノイザモデルは、異なるサブサンプリングパターンを持つ2つの模擬取得プロセスでテストされる。 以上の結果から, 買収方式と組織量的バイオプロパティの正確なマッピングに対する一貫した除去性能が示された。
  論文  参考訳（メタデータ） (2022-02-10T09:35:25Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Unrolling of Deep Graph Total Variation for Image Denoising [106.93258903150702]
  本稿では,従来のグラフ信号フィルタリングと深い特徴学習を併用して,競合するハイブリッド設計を提案する。 解釈可能な低パスグラフフィルタを用い、最先端のDL復調方式DnCNNよりも80%少ないネットワークパラメータを用いる。
  論文  参考訳（メタデータ） (2020-10-21T20:04:22Z)
• Filter Grafting for Deep Neural Networks: Reason, Method, and Cultivation [86.91324735966766]
  フィルタは現代の畳み込みニューラルネットワーク(CNN)のキーコンポーネントである 本稿では,この目的を達成するためにフィルタグラフト(textbfMethod)を導入する。 我々は,フィルタの情報を測定するための新しい基準と,グラフトされた情報をネットワーク間でバランスをとるための適応重み付け戦略を開発する。
  論文  参考訳（メタデータ） (2020-04-26T08:36:26Z)
• Computational optimization of convolutional neural networks using separated filters architecture [69.73393478582027]
  我々は、計算複雑性を低減し、ニューラルネットワーク処理を高速化する畳み込みニューラルネットワーク変換を考える。 畳み込みニューラルネットワーク(CNN)の使用は、計算的に要求が多すぎるにもかかわらず、画像認識の標準的なアプローチである。
  論文  参考訳（メタデータ） (2020-02-18T17:42:13Z)
• Filter Grafting for Deep Neural Networks [71.39169475500324]
  ディープニューラルネットワーク(DNN)の表現能力向上を目的としたフィルタグラフト 我々は,フィルタの情報を測定するエントロピーベースの基準と,ネットワーク間のグラフト情報のバランスをとるための適応重み付け戦略を開発する。 例えば、グラフトされたMobileNetV2は、CIFAR-100データセットで非グラフトされたMobileNetV2を約7%上回っている。
  論文  参考訳（メタデータ） (2020-01-15T03:18:57Z)

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。