論文の概要: Manifold-Inspired Single Image Interpolation

• arxiv url: http://arxiv.org/abs/2108.00145v1
• Date: Sat, 31 Jul 2021 04:29:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-03 15:22:42.581063
• Title: Manifold-Inspired Single Image Interpolation
• Title（参考訳）: マニフォールドインスパイアされた単一画像補間
• Authors: Lantao Yu, Kuida Liu, Michael T. Orchard
• Abstract要約: 単画像への多くのアプローチは半局所類似性を利用するために多様体モデルを使用する。 入力画像のエイリアス化は どちらの部分も困難です 本稿では,重度のエイリアス領域におけるエイリアス除去のための適応手法を提案する。 この技術は、強いエイリアスが存在する場合でも、類似したパッチを確実に識別することができる。
• 参考スコア（独自算出の注目度）: 17.304301226838614
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Manifold models consider natural-image patches to be on a low-dimensional manifold embedded in a high dimensional state space and each patch and its similar patches to approximately lie on a linear affine subspace. Manifold models are closely related to semi-local similarity, a well-known property of natural images, referring to that for most natural-image patches, several similar patches can be found in its spatial neighborhood. Many approaches to single image interpolation use manifold models to exploit semi-local similarity by two mutually exclusive parts: i) searching each target patch's similar patches and ii) operating on the searched similar patches, the target patch and the measured input pixels to estimate the target patch. Unfortunately, aliasing in the input image makes it challenging for both parts. A very few works explicitly deal with those challenges and only ad-hoc solutions are proposed. To overcome the challenge in the first part, we propose a carefully-designed adaptive technique to remove aliasing in severely aliased regions, which cannot be removed from traditional techniques. This technique enables reliable identification of similar patches even in the presence of strong aliasing. To overcome the challenge in the second part, we propose to use the aliasing-removed image to guide the initialization of the interpolated image and develop a progressive scheme to refine the interpolated image based on manifold models. Experimental results demonstrate that our approach reconstructs edges with both smoothness along contours and sharpness across profiles, and achieves an average Peak Signal-to-Noise Ratio (PSNR) significantly higher than existing model-based approaches.
• Abstract（参考訳）: 多様体モデルでは、自然画像パッチは高次元の状態空間に埋め込まれた低次元多様体上に存在し、各パッチとその類似パッチはリニアアフィン部分空間上に位置する。 多様体モデルは、自然画像のよく知られた性質である半局所的類似性と密接に関連しており、ほとんどの自然画像パッチでは、その空間近傍に類似したパッチがいくつか見られる。 単一画像補間法における多くのアプローチは、2つの排他的部分による半局所的類似性を利用するために多様体モデルを用いており、i) 探索された類似パッチ上で各対象パッチの類似パッチを探索し、i) 対象パッチと測定された入力ピクセルを用いて目標パッチを推定する。 残念ながら、入力画像のエイリアス化は、両方の部分で難しい。 これらの課題に明示的に対処する研究はほとんどなく、アドホックなソリューションのみが提案されている。 まず,難易度を克服するために,従来の手法では取り除けない重度のエイリアス領域におけるエイリアス除去のための,慎重に設計された適応手法を提案する。 この手法は、強いエイリアスが存在する場合でも、同様のパッチの信頼できる識別を可能にする。 この課題を克服するために,補間画像の初期化を導くためにエイリアシング除去画像を使用し,多様体モデルに基づく補間画像を洗練するための漸進的スキームを開発することを提案する。 実験により,提案手法は輪郭に沿った滑らかさとプロファイル間のシャープさの両方でエッジを再構築し,既存のモデルベース手法よりも平均ピーク信号-雑音比(PSNR)が有意に高いことを示す。

関連論文リスト

• Learning to Rank Patches for Unbiased Image Redundancy Reduction [80.93989115541966]
  画像は、隣接する領域の画素が空間的に相関しているため、空間的冗長性に悩まされる。 既存のアプローチでは、意味の少ない画像領域を減らし、この制限を克服しようとしている。 本稿では,Learning to Rank Patchesと呼ばれる画像冗長性低減のための自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T13:12:41Z)
• Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
  本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。 まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。 本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
  論文  参考訳（メタデータ） (2023-02-16T10:40:55Z)
• Boosting Few-shot Fine-grained Recognition with Background Suppression and Foreground Alignment [53.401889855278704]
  FS-FGR (Few-shot Fine-fine Recognition) は、限られたサンプルの助けを借りて、新しいきめ細かなカテゴリを認識することを目的としている。 本研究では,背景アクティベーション抑制 (BAS) モジュール,フォアグラウンドオブジェクトアライメント (FOA) モジュール,および局所的局所的(L2L) 類似度測定器からなる2段階の背景アライメントとフォアグラウンドアライメントフレームワークを提案する。 複数のベンチマークで行った実験により,提案手法は既存の最先端技術よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-10-04T07:54:40Z)
• Region-aware Attention for Image Inpainting [33.22497212024083]
  本稿では,画像の描画のための新しい領域認識アテンション (RA) モジュールを提案する。 単一サンプルにおける各画素対間の相関を直接計算することを避けることにより、ホール内の無効情報の誤認を回避することができる。 学習可能な領域辞書(LRD)を導入し、データセット全体に重要な情報を格納する。 我々の手法は、現実的な詳細で意味論的に妥当な結果を生成することができる。
  論文  参考訳（メタデータ） (2022-04-03T06:26:22Z)
• Mutual Affine Network for Spatially Variant Kernel Estimation in Blind Image Super-Resolution [130.32026819172256]
  既存のブラインド画像超解像法(SR)は、ぼやけたカーネルが画像全体にわたって空間的に不変であると仮定する。 本稿では,空間変動カーネル推定のための相互アフィンネットワーク(MANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T16:11:17Z)
• 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)
• 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)
• Weighted Encoding Based Image Interpolation With Nonlocal Linear Regression Model [8.013127492678272]
  超高解像度画像では、低解像度画像は、ぼやけやノイズを伴わずに、その高解像度画像から直接ダウンサンプリングされる。 この問題に対処するために,スパース表現に基づく新しい画像モデルを提案する。 クラスタリングではなく、オンラインの適応サブ辞書を学習するための新しいアプローチ。
  論文  参考訳（メタデータ） (2020-03-04T03:20:21Z)
• Leveraging Photogrammetric Mesh Models for Aerial-Ground Feature Point Matching Toward Integrated 3D Reconstruction [19.551088857830944]
  地上・地上画像の統合は, 都市環境における表面の再構築を効果的に進めるためのアプローチとして証明されている。 幾何認識による画像補正に基づく従来の研究により,この問題は緩和された。 地上画像マッチングにフォトグラムメッシュモデルを利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-02-21T01:47:59Z)

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。