論文の概要: Design of Low-Artifact Interpolation Kernels by Means of Computer Algebra

• arxiv url: http://arxiv.org/abs/2106.04104v1
• Date: Tue, 8 Jun 2021 05:06:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-09 15:36:49.788990
• Title: Design of Low-Artifact Interpolation Kernels by Means of Computer Algebra
• Title（参考訳）: 計算機代数学による低アーティファクト補間核の設計
• Authors: Peter Karpov
• Abstract要約: 画像のシンボリック化のために,新たに多数のポリノミカルカーネルを新たに提案する。 カーネルは、異方性アーティファクトの大きさに基づいて、Mathematicaの品質の尺度を最適化することによって構築される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a number of new piecewise-polynomial kernels for image interpolation. The kernels are constructed by optimizing a measure of interpolation quality based on the magnitude of anisotropic artifacts. The kernel design process is performed symbolically using Mathematica computer algebra system. Experimental evaluation involving 14 image quality assessment methods demonstrates that our results compare favorably with the existing linear interpolators.
• Abstract（参考訳）: 画像補間のための新しいポリノミカルカーネルをいくつか提示する。 カーネルは異方性アーティファクトの大きさに基づいて補間品質の測定を最適化することにより構成される。 カーネル設計プロセスは mathematica computer algebra system を用いてシンボル的に実行される。 14種類の画像品質評価手法による実験結果から,既存の線形補間器と比較した結果が得られた。

関連論文リスト

• Mutual-energy inner product optimization method for constructing feature coordinates and image classification in Machine Learning [0.0]
  本稿では,機能座標系を構築するための相互エネルギー内積最適化手法を提案する。 相互エネルギー内積を一連の固有関数として表現することにより、低周波特性を増強する大きな利点を示す。 最適化モデルを解くために、安定かつ効率的な逐次線形化アルゴリズムを構築した。
  論文  参考訳（メタデータ） (2024-11-09T07:26:03Z)
• Ray-driven Spectral CT Reconstruction Based on Neural Base-Material Fields [10.684377265644045]
  スペクトルCT再構成において、基本材料分解は積分方程式の大規模非線形系を解くことを伴う。 本稿では、ニューラルネットワーク表現を用いて物体の減衰係数をパラメータ化するモデルを提案する。 線駆動神経場に基づく線積分の軽量な離散化法を導入する。
  論文  参考訳（メタデータ） (2024-04-10T13:10:52Z)
• Hermite coordinate interpolation kernels: application to image zooming [0.0]
  幾何変換のような多くの基本的な画像処理タスクは、ピクセル以下の画像値を必要とする。 この研究では、非等間隔線型格子上で定義される多次元エルミートスプラインを利用する。 補間体の複雑さが増大しているにもかかわらず、カーネルが構築されると、Hermiteスプラインは他のより複雑な方法と同様に効率的に画像に適用できることが示される。
  論文  参考訳（メタデータ） (2024-03-19T23:06:10Z)
• Stochastic Gradient Descent for Gaussian Processes Done Right [86.83678041846971]
  emphdone right -- 最適化とカーネルコミュニティからの具体的な洞察を使用するという意味で -- が、勾配降下は非常に効果的であることを示している。 本稿では,直感的に設計を記述し,設計選択について説明する。 本手法は,分子結合親和性予測のための最先端グラフニューラルネットワークと同程度にガウス過程の回帰を配置する。
  論文  参考訳（メタデータ） (2023-10-31T16:15:13Z)
• Padding-free Convolution based on Preservation of Differential Characteristics of Kernels [1.3597551064547502]
  本稿では,カーネルの差分特性の保存に基づくサイズ保持畳み込み法を提案する。 主なアイデアは、不完全なスライドウィンドウ上の畳み込みを、その中心画素で局所的に評価された線形微分作用素に"崩壊"させることである。
  論文  参考訳（メタデータ） (2023-09-12T16:36:12Z)
• Isotropic Gaussian Processes on Finite Spaces of Graphs [71.26737403006778]
  種々の非重み付きグラフの集合上でガウス過程の先行を定義するための原理的手法を提案する。 さらに、未重み付きグラフの同値類の集合を検討し、それに対する事前の適切なバージョンを定義する。 化学の応用に触発されて、我々は、小データ構造における実際の分子特性予測タスクについて、提案手法を解説した。
  論文  参考訳（メタデータ） (2022-11-03T10:18:17Z)
• On the Spectral Bias of Convolutional Neural Tangent and Gaussian Process Kernels [24.99551134153653]
  本稿では,それぞれのガウス過程と接する神経核を用いて,過度にパラメータ化された畳み込みニューラルアーキテクチャの特性について検討する。 固有値が階層的に減衰し、崩壊率を定量化し、これらのネットワークにおける階層的特徴の構成を反映する測度を導出することを示す。
  論文  参考訳（メタデータ） (2022-03-17T11:23:18Z)
• Random Features for the Neural Tangent Kernel [57.132634274795066]
  完全接続型ReLUネットワークのニューラルタンジェントカーネル(NTK)の効率的な特徴マップ構築を提案する。 得られた特徴の次元は、理論と実践の両方で比較誤差境界を達成するために、他のベースライン特徴マップ構造よりもはるかに小さいことを示しています。
  論文  参考訳（メタデータ） (2021-04-03T09:08:12Z)
• A Survey of Orthogonal Moments for Image Representation: Theory, Implementation, and Evaluation [70.0671278823937]
  モーメントに基づく画像表現は、セマンティック記述のコア条件を満たすのに有効であると報告されている。 本稿では,画像表現における直交モーメントの包括的調査を行い,高速/精度計算,ロバスト性/不変性最適化,定義拡張の最近の進歩について述べる。 提案した理論分析,ソフトウェア実装,評価結果は,特に新しい技術開発や実世界の応用の促進において,コミュニティを支援することができる。
  論文  参考訳（メタデータ） (2021-03-27T03:41:08Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Multipole Graph Neural Operator for Parametric Partial Differential Equations [57.90284928158383]
  物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。 線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。 実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
  論文  参考訳（メタデータ） (2020-06-16T21:56:22Z)

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。