論文の概要: Posterior Sampling for Image Restoration using Explicit Patch Priors

• arxiv url: http://arxiv.org/abs/2104.09895v1
• Date: Tue, 20 Apr 2021 11:11:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-21 20:24:37.852040
• Title: Posterior Sampling for Image Restoration using Explicit Patch Priors
• Title（参考訳）: 明示的パッチ前処理を用いた画像復元のための後方サンプリング
• Authors: Roy Friedman, Yair Weiss
• Abstract要約: 劣化した画像から全画像の後部確率をサンプリングするために,自然画像のパッチに対する明示的な先行点を組み合わせる方法を示す。 実験の結果,パッチプライオリティを用いた後方サンプリングは,画像復元の課題範囲において,高い知覚品質と高psnrのイメージを生じさせることがわかった。
• 参考スコア（独自算出の注目度）: 13.01340027081454
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Almost all existing methods for image restoration are based on optimizing the mean squared error (MSE), even though it is known that the best estimate in terms of MSE may yield a highly atypical image due to the fact that there are many plausible restorations for a given noisy image. In this paper, we show how to combine explicit priors on patches of natural images in order to sample from the posterior probability of a full image given a degraded image. We prove that our algorithm generates correct samples from the distribution $p(x|y) \propto \exp(-E(x|y))$ where $E(x|y)$ is the cost function minimized in previous patch-based approaches that compute a single restoration. Unlike previous approaches that computed a single restoration using MAP or MMSE, our method makes explicit the uncertainty in the restored images and guarantees that all patches in the restored images will be typical given the patch prior. Unlike previous approaches that used implicit priors on fixed-size images, our approach can be used with images of any size. Our experimental results show that posterior sampling using patch priors yields images of high perceptual quality and high PSNR on a range of challenging image restoration problems.
• Abstract（参考訳）: 画像復元手法のほとんど全ては平均二乗誤差(MSE)を最適化することに基づいているが、MSEの最も良い推定値が、与えられた雑音画像に対して多くの妥当な復元があるという事実から、非常に非定型な画像が得られることが知られている。 本稿では,自然画像のパッチに対する明示的な事前設定を組み合わせることにより,劣化画像が与えられた全画像の後方確率からサンプル化する方法を示す。 このアルゴリズムは,従来のパッチベースアプローチで最小化されたコスト関数である$p(x|y) \propto \exp(-e(x|y))$ where $e(x|y)$ から正しいサンプルを生成することが証明される。 MAP や MMSE を用いて単一修復を計算した従来の手法とは異なり,本手法では復元画像における不確実性を明確化し,復元画像のすべてのパッチが以前のパッチに対して典型的であることを保証している。 固定サイズの画像で暗黙の事前設定を用いた従来のアプローチとは異なり、任意のサイズの画像で使用することが可能である。 実験の結果,パッチプライオリティを用いた後方サンプリングは,画像復元の課題範囲において,高い知覚品質と高psnrのイメージを生じさせることがわかった。

関連論文リスト

• From Posterior Sampling to Meaningful Diversity in Image Restoration [27.67089588202306]
  画像復元問題は、通常、各劣化した画像を無限に多くの有効な方法で復元できるという意味で、不明確である。 多くの研究は、自然画像の後部分布からランダムにサンプリングしようとすることで、多様な出力を生成する。 ここでは、この戦略は後部分布の重みのため、一般に限定的な実用的価値を持つ。
  論文  参考訳（メタデータ） (2023-10-24T17:58:54Z)
• High-Perceptual Quality JPEG Decoding via Posterior Sampling [13.238373528922194]
  JPEGアーチファクト修正のための異なるパラダイムを提案する。 我々は、圧縮された入力と整合しながら、シャープで詳細で視覚的に再構成された画像を得ることを目指している。 我々のソリューションは、完全な整合性のある入力に対して、多種多様な可塑性かつ高速な再構成を提供する。
  論文  参考訳（メタデータ） (2022-11-21T19:47:59Z)
• Sequential image recovery using joint hierarchical Bayesian learning [6.881629943427059]
  本稿では,階層型ベイズ学習に基づく連続画像の連成復元手法を提案する。 本手法は,他の画像から「ボーリング」することで,各画像の欠落情報を復元する。 いくつかの予備的な結果は、シーケンシャルデブロアリングと磁気共鳴イメージングにその可能性を示している。
  論文  参考訳（メタデータ） (2022-06-25T22:31:32Z)
• TAPE: Task-Agnostic Prior Embedding for Image Restoration [194.61997784161218]
  本稿では,タスクに依存しない前処理をトランスフォーマーに組み込む新しい手法を提案する。 タスク非依存型プリエンベディング(TAPE)は,タスク非依存型プリエンベディング,タスク非依存型ファインタニング,タスク特化ファインタニングの3段階からなる。 各種劣化試験により, TAPEの有効性が検証された。
  論文  参考訳（メタデータ） (2022-03-11T16:52:47Z)
• Inverse Problems Leveraging Pre-trained Contrastive Representations [88.70821497369785]
  破損したデータの表現を復元するための新しい逆問題群について検討する。 コントラスト目的を用いた教師付きインバージョン手法を提案する。 提案手法は,幅広いフォワード演算子においてラベル付きデータのごく一部であっても,エンド・ツー・エンドのベースラインよりも優れる。
  論文  参考訳（メタデータ） (2021-10-14T15:06:30Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• 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)
• A Contrastive Learning Approach for Training Variational Autoencoder Priors [137.62674958536712]
  変分オートエンコーダ(VAE)は、多くの領域で応用される強力な可能性に基づく生成モデルの一つである。 VAEsが生成性に乏しいことの1つの説明は、事前の分布が集合の近似的な後部と一致しないという、事前の穴の問題である。 本研究では, 基底分布の積と再重み付け係数によって定義されるエネルギーベースの事前定義を行い, 基底を集合体後部へ近づけるようにした。
  論文  参考訳（メタデータ） (2020-10-06T17:59:02Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• Exploiting Deep Generative Prior for Versatile Image Restoration and Manipulation [181.08127307338654]
  本研究は, 大規模自然画像に基づいて学習したGAN(Generative Adversarial Network)により, 得られた画像の有効利用方法を示す。 深層生成前駆体(DGP)は、色、パッチ、解像度、様々な劣化した画像の欠落したセマンティクスを復元するための説得力のある結果を提供する。
  論文  参考訳（メタデータ） (2020-03-30T17:45:07Z)

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。