論文の概要: A Generalized Framework for Edge-preserving and Structure-preserving
Image Smoothing
- arxiv url: http://arxiv.org/abs/2107.07058v1
- Date: Thu, 15 Jul 2021 00:55:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-16 14:06:20.476428
- Title: A Generalized Framework for Edge-preserving and Structure-preserving
Image Smoothing
- Title（参考訳）: エッジ保存および構造保存画像平滑化のための一般化フレームワーク
- Authors: Wei Liu and Pingping Zhang and Yinjie Lei and Xiaolin Huang and Jie
Yang and Michael Ng
- Abstract要約: 画像の平滑化はコンピュータビジョンとグラフィックスの応用における基本的な手順である。
私たちのフレームワークは、矛盾する平滑な振る舞いを達成できる多様な平滑な性質を達成できます。
簡便かつ効果的な手法として,本手法の性能を維持しつつ,提案手法のコストを削減する手法を提案する。
- 参考スコア（独自算出の注目度）: 43.929512514217855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image smoothing is a fundamental procedure in applications of both computer
vision and graphics. The required smoothing properties can be different or even
contradictive among different tasks. Nevertheless, the inherent smoothing
nature of one smoothing operator is usually fixed and thus cannot meet the
various requirements of different applications. In this paper, we first
introduce the truncated Huber penalty function which shows strong flexibility
under different parameter settings. A generalized framework is then proposed
with the introduced truncated Huber penalty function. When combined with its
strong flexibility, our framework is able to achieve diverse smoothing natures
where contradictive smoothing behaviors can even be achieved. It can also yield
the smoothing behavior that can seldom be achieved by previous methods, and
superior performance is thus achieved in challenging cases. These together
enable our framework capable of a range of applications and able to outperform
the state-of-the-art approaches in several tasks, such as image detail
enhancement, clip-art compression artifacts removal, guided depth map
restoration, image texture removal, etc. In addition, an efficient numerical
solution is provided and its convergence is theoretically guaranteed even the
optimization framework is non-convex and non-smooth. A simple yet effective
approach is further proposed to reduce the computational cost of our method
while maintaining its performance. The effectiveness and superior performance
of our approach are validated through comprehensive experiments in a range of
applications. Our code is available at
https://github.com/wliusjtu/Generalized-Smoothing-Framework.
- Abstract（参考訳）: 画像平滑化はコンピュータビジョンとグラフィックスの両方の応用において基本的な手順である。
必要な平滑化特性は、異なるタスク間で異なる、あるいは矛盾することもある。
それにもかかわらず、ある平滑化作用素の固有の平滑化性質は通常固定され、したがって異なる応用の様々な要件を満たすことができない。
本稿では,まず,異なるパラメータ設定下での強い柔軟性を示すtruncated Huberのペナルティ関数を紹介する。
一般化されたフレームワークが導入されたtruncated Huberペナルティ関数で提案される。
強い柔軟性と組み合わせることで、我々のフレームワークは、矛盾する平滑な振る舞いを達成できる多様な平滑な性質を達成できます。
また,従来の手法ではめったに達成できない平滑な動作が得られるため,課題のある場合には優れた性能が得られる。
これらを組み合わせることで、我々は様々な応用が可能となり、画像ディテールの強化、クリップアート圧縮アーティファクトの除去、ガイドされた深度マップの復元、画像テクスチャの除去など、様々なタスクにおいて最先端のアプローチより優れている。
さらに、効率的な数値解が提供され、最適化フレームワークが非凸かつ非滑らかであっても、その収束が理論的に保証される。
さらに,本手法の性能を維持しつつ,計算コストを削減するための簡易かつ効果的な手法を提案する。
本手法の有効性と性能は,応用範囲の総合的な実験を通じて検証する。
私たちのコードはhttps://github.com/wliusjtu/generalized-smoothing-frameworkで利用可能です。
関連論文リスト
- Coupling Fairness and Pruning in a Single Run: a Bi-level Optimization
Perspective [17.394732703591462]
本研究では, プルーニングマスクと重み更新処理を公平性制約で協調的に最適化する枠組みを提案する。
このフレームワークは、単一実行時の公平性を確保しながら、パフォーマンスを維持するモデルを圧縮するように設計されている。
我々の経験的分析は、我々のフレームワークといくつかの主流プルーニング戦略を対比し、モデルフェアネス、パフォーマンス、効率の維持における我々の方法の優位性を強調している。
論文 参考訳（メタデータ） (2023-12-15T20:08:53Z) - Learning to Rasterize Differentiably [10.790255179159459]
微分可能化は、画素から下層の三角形へのフローを可能にすることにより、プリミティブ化の標準的な定式化を変える。
これまでの研究は、軟化のいくつかの組み合わせを分析し、比較してきた。
本研究では, ソフト化操作を選択する代わりに, 一般的なソフト化操作の連続空間をパラメータ化する。
論文 参考訳（メタデータ） (2022-11-23T22:28:29Z) - Smooth over-parameterized solvers for non-smooth structured optimization [3.756550107432323]
非滑らか性 (non-smoothness) は、空間性、群空間性、低ランクエッジ、鋭いエッジなどの解の構造的制約を符号化する。
我々は、基礎となる非滑らかな最適化問題の非重み付きだが滑らかな過度パラメータ化を運用する。
我々の主な貢献は変数の一部を明示的に最小化することで新しい定式化を定義する変数射影(VarPro)を適用することです。
論文 参考訳（メタデータ） (2022-05-03T09:23:07Z) - Toward Fast, Flexible, and Robust Low-Light Image Enhancement [87.27326390675155]
我々は、現実の低照度シナリオにおいて、高速でフレキシブルで頑健な鮮明化のための新しい自己校正イルミネーション(SCI)学習フレームワークを開発した。
カスケードパターンの計算負担を考慮すると、各ステージの結果の収束を実現する自己校正モジュールを構築する。
我々は,SCI固有の特性について,操作不感適応性やモデル非関係の一般性を含む包括的探索を行う。
論文 参考訳（メタデータ） (2022-04-21T14:40:32Z) - Exploring Motion Ambiguity and Alignment for High-Quality Video Frame
Interpolation [46.02120172459727]
本稿では,GTに近い中間フレームを可能な限り再構築する要件を緩和することを提案する。
本研究では,テクスチャ整合性損失 (TCL) を補間されたコンテンツが,与えられたフレーム内でのテクスチャ整合性損失 (TCL) と類似した構造を維持するべきであるという仮定に基づいて開発する。
論文 参考訳（メタデータ） (2022-03-19T10:37:06Z) - Adaptivity and Non-stationarity: Problem-dependent Dynamic Regret for Online Convex Optimization [70.4342220499858]
本稿では,スムーズさを生かし,問題依存量による動的後悔のT$への依存を補う新しいオンラインアルゴリズムを提案する。
この結果が本質的な難易度に適応しているのは, 既往の結果よりも厳密であり, 最悪の場合, 同一レートの保護が可能であるからである。
論文 参考訳（メタデータ） (2021-12-29T02:42:59Z) - Bi-level Feature Alignment for Versatile Image Translation and
Manipulation [88.5915443957795]
GAN(Generative Adversarial Network)は画像翻訳と操作において大きな成功を収めている。
忠実なスタイル制御を備えた高忠実な画像生成は、コンピュータビジョンにおいて依然として大きな課題である。
本稿では,高精度なセマンティック・スタイル・ガイダンスを実現する多機能な画像翻訳・操作フレームワークを提案する。
論文 参考訳（メタデータ） (2021-07-07T05:26:29Z) - A Flexible Framework for Designing Trainable Priors with Adaptive
Smoothing and Game Encoding [57.1077544780653]
我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。
グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。
このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
論文 参考訳（メタデータ） (2020-06-26T08:34:54Z) - Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。
パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。
適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
論文 参考訳（メタデータ） (2020-03-03T15:20:57Z)
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。