論文の概要: An accelerated expectation-maximization for multi-reference alignment

• arxiv url: http://arxiv.org/abs/2105.07372v1
• Date: Sun, 16 May 2021 07:25:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-18 14:26:11.882281
• Title: An accelerated expectation-maximization for multi-reference alignment
• Title（参考訳）: マルチリファレンスアライメントのための高速化期待最大化
• Authors: Noam Janco and Tamir Bendory
• Abstract要約: 我々は、角同期と期待最大化(em)からなる新しい計算フレームワークsynch-emを提案する。 同期ステップは回転の集中分布となり、この分布は学習され、ベイズ前駆体としてemに組み込まれる。 本研究では, 大規模な数値実験により, 再構成品質を低下させることなく, 高ノイズレベルにおけるMRAのEMを時折数桁加速できることを示した。
• 参考スコア（独自算出の注目度）: 11.168121941015013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The multi-reference alignment (MRA) problem entails estimating an image from multiple noisy and rotated copies of itself. If the noise level is low, one can reconstruct the image by estimating the missing rotations, aligning the images, and averaging out the noise. While accurate rotation estimation is impossible if the noise level is high, the rotations can still be approximated, and thus can provide indispensable information. In particular, learning the approximation error can be harnessed for efficient image estimation. In this paper, we propose a new computational framework, called Synch-EM, that consists of angular synchronization followed by expectation-maximization (EM). The synchronization step results in a concentrated distribution of rotations; this distribution is learned and then incorporated into the EM as a Bayesian prior. The learned distribution also dramatically reduces the search space, and thus the computational load, of the EM iterations. We show by extensive numerical experiments that the proposed framework can significantly accelerate EM for MRA in high noise levels, occasionally by a few orders of magnitude, without degrading the reconstruction quality.
• Abstract（参考訳）: マルチ参照アライメント(MRA)問題は、複数のノイズと回転した自身のコピーから画像を推定することを必要とする。 ノイズレベルが低い場合には、欠落した回転を推定し、画像をアライメントし、ノイズを平均化することにより、イメージを再構成することができる。 ノイズレベルが高い場合には正確な回転推定は不可能であるが、回転を近似することができ、必然的な情報を提供できる。 特に、近似誤差の学習は、効率的な画像推定に利用できる。 本稿では,角度同期と予測最大化(EM)を組み合わせたSynch-EMという新しい計算フレームワークを提案する。 同期ステップは回転の集中分布となり、この分布は学習され、ベイズ前駆体としてemに組み込まれる。 学習された分布はまた、emイテレーションの探索空間と計算負荷を劇的に減少させる。 大規模数値実験により,提案手法は,高い騒音レベルにおいて,場合によっては数桁程度の音量で,再構成品質を低下させることなく,mraのemを著しく加速できることを示した。

関連論文リスト

• Stable Phase Retrieval with Mirror Descent [0.5312303275762104]
  ミラー降下は位相探索問題の臨界点に収束することを示す。 我々は、高い確率でミラー降下が真のベクトルに近い大域最小化器に収束することを保証する大域収束保証を提供する。
  論文  参考訳（メタデータ） (2024-05-17T13:07:14Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Blind Source Separation for Mixture of Sinusoids with Near-Linear Computational Complexity [0.0]
  本研究では, 基本正弦波の周波数, 振幅, 位相を雑音列で検出できるマルチトーン分解アルゴリズムを提案する。 正弦波源数を$M$で推定すると,その周波数を連続的に推定し,振幅と位相を共同で最適化する。
  論文  参考訳（メタデータ） (2022-03-27T15:16:07Z)
• Deep Iterative Phase Retrieval for Ptychography [13.49645012479288]
  物体を回折パターンから再構成するには、逆フーリエ変換を計算しなければならない。 本研究では,複数の重なり合う回折画像から物体を再構成する,回折イメージングのサブフィールドであるptychographyについて考察する。 本稿では,既存の反復位相探索アルゴリズムをニューラルネットワークで拡張し,各繰り返しの結果を精査する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-17T09:13:35Z)
• Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
  本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。 提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
  論文  参考訳（メタデータ） (2021-07-02T11:55:40Z)
• Extreme Rotation Estimation using Dense Correlation Volumes [73.35119461422153]
  本稿では,RGB画像対の相対的な3次元回転を極端に推定する手法を提案する。 画像が重なり合わなくても、それらの幾何学的関係に関して豊富な隠れた手がかりがあるかもしれないと観察する。 本稿では,2つの入力画像間の全ての点を比較することで,そのような暗黙の手がかりを自動的に学習できるネットワーク設計を提案する。
  論文  参考訳（メタデータ） (2021-04-28T02:00:04Z)
• On the Robustness of Multi-View Rotation Averaging [77.09542018140823]
  解法に$epsilon$-cycle整合項を導入する。 重み低減による誤測定の負の効果を暗黙的に抑制する。 実験の結果,提案手法は様々なベンチマークで芸術の状況よりも優れていた。
  論文  参考訳（メタデータ） (2021-02-09T05:47:37Z)
• Stochastic Image Denoising by Sampling from the Posterior Distribution [25.567566997688044]
  少量のMSEを維持しながら、実行可能で高品質の結果を生み出す新しい消音アプローチを提案します。 本手法は, MMSEデノイザーの繰り返し適用に依存したランゲビンダイナミクスを用い, 後方分布から効果的にサンプリングすることにより, 再構成画像を得る。 その知覚性のため、提案アルゴリズムは与えられたノイズ入力に対して様々な高品質な出力を生成することができる。
  論文  参考訳（メタデータ） (2021-01-23T18:28:19Z)
• Residual-driven Fuzzy C-Means Clustering for Image Segmentation [152.609322951917]
  画像分割のための残留駆動型ファジィC平均(FCM)について詳述する。 この枠組みに基づいて,混合雑音分布の重み付けによる重み付き$ell_2$-norm忠実度項を示す。 その結果、既存のFCM関連アルゴリズムよりも提案アルゴリズムの有効性と効率が優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-15T15:46:09Z)
• Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
  Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。 特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。 合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T10:00:03Z)

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。