論文の概要: Optimal Transport for Unsupervised Restoration Learning
- arxiv url: http://arxiv.org/abs/2108.02574v1
- Date: Wed, 4 Aug 2021 00:54:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-06 14:45:06.472135
- Title: Optimal Transport for Unsupervised Restoration Learning
- Title(参考訳): 教師なし修復学習のための最適輸送
- Authors: Wei Wang, Fei Wen, Zeyu Yan, Rendong Ying, and Peilin Liu
- Abstract要約: 本研究は,最適輸送理論に基づく教師なし復元学習の基準を提案する。
リアルな写真、顕微鏡、深度、生の深度画像を含む合成および実世界のデータに関する実験は、提案手法が教師付き手法と良好に比較できることを示した。
- 参考スコア(独自算出の注目度): 10.955712482319457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, much progress has been made in unsupervised restoration learning.
However, existing methods more or less rely on some assumptions on the signal
and/or degradation model, which limits their practical performance. How to
construct an optimal criterion for unsupervised restoration learning without
any prior knowledge on the degradation model is still an open question. Toward
answering this question, this work proposes a criterion for unsupervised
restoration learning based on the optimal transport theory. This criterion has
favorable properties, e.g., approximately maximal preservation of the
information of the signal, whilst achieving perceptual reconstruction.
Furthermore, though a relaxed unconstrained formulation is used in practical
implementation, we show that the relaxed formulation in theory has the same
solution as the original constrained formulation. Experiments on synthetic and
real-world data, including realistic photographic, microscopy, depth, and raw
depth images, demonstrate that the proposed method even compares favorably with
supervised methods, e.g., approaching the PSNR of supervised methods while
having better perceptual quality. Particularly, for spatially correlated noise
and realistic microscopy images, the proposed method not only achieves better
perceptual quality but also has higher PSNR than supervised methods. Besides,
it shows remarkable superiority in harsh practical conditions with complex
noise, e.g., raw depth images.
- Abstract(参考訳): 近年, 教師なしの復元学習が盛んに行われている。
しかし、既存の手法は信号および/または分解モデルに対するいくつかの仮定に依存しており、実際の性能は制限されている。
劣化モデルに関する事前の知識を必要とせずに教師なし復元学習の最適基準を構築する方法は、まだ未解決の問題である。
そこで本研究では, 最適輸送理論に基づく教師なし修復学習の基準を提案する。
この基準は、例えば、知覚的再構成を行いながら、信号の情報をほぼ最大に保存するなど、好ましい特性を有する。
さらに, 実際の実装では, 緩和未拘束定式化が用いられるが, 理論上の緩和定式化は, 元の制約定式化と同じ解を持つことを示す。
リアルな写真、顕微鏡、深度、生の深度画像を含む実世界のデータに関する実験は、提案手法が教師付き手法(例えば、教師付き手法のPSNRに近づき、知覚品質が良くなるなど)と好適に比較できることを示した。
特に,空間相関ノイズや現実的な顕微鏡画像に対して,提案手法は知覚品質の向上だけでなく,教師付き手法よりもPSNRが高い。
さらに, 複雑な雑音を伴う厳密な条件, 例えば生深度画像において, 顕著な優位性を示す。
関連論文リスト
- Deep Radon Prior: A Fully Unsupervised Framework for Sparse-View CT
Reconstruction [6.509941446269504]
提案するフレームワークはデータセットを必要とせず、優れた解釈可能性と一般化能力を示す。
実験結果から,提案手法は画像アーチファクトを効果的に抑制しつつ,詳細な画像を生成することができることが示された。
論文 参考訳(メタデータ) (2023-12-30T04:11:08Z) - Accelerating Multiframe Blind Deconvolution via Deep Learning [0.0]
地上からの太陽画像の復元は計算に費用がかかる手続きである。
本稿では,アルゴリズムのアンロールに基づく復元を高速化する手法を提案する。
両手法が標準最適化法と比較して復元時間を大幅に短縮することを示した。
論文 参考訳(メタデータ) (2023-06-21T07:53:00Z) - Learning from Multi-Perception Features for Real-Word Image
Super-resolution [87.71135803794519]
入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。
本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。
また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
論文 参考訳(メタデータ) (2023-05-26T07:35:49Z) - TensoIR: Tensorial Inverse Rendering [53.51211939277516]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳(メタデータ) (2023-04-24T21:39:13Z) - Real-World Image Super-Resolution by Exclusionary Dual-Learning [98.36096041099906]
実世界の画像超解像は,高品質な画像を得るための実用的な画像復元問題である。
深層学習に基づく手法は、現実世界の超解像データセットの復元に期待できる品質を実現している。
本稿では,RWSR-EDL(Real-World Image Super-Resolution by Exclusionary Dual-Learning)を提案する。
論文 参考訳(メタデータ) (2022-06-06T13:28:15Z) - Unsupervised Restoration of Weather-affected Images using Deep Gaussian
Process-based CycleGAN [92.15895515035795]
本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。
我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。
提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
論文 参考訳(メタデータ) (2022-04-23T01:30:47Z) - Deblurring via Stochastic Refinement [85.42730934561101]
条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。
提案手法は,PSNRなどの歪み指標の点で競合する。
論文 参考訳(メタデータ) (2021-12-05T04:36:09Z) - Prior Image-Constrained Reconstruction using Style-Based Generative
Models [15.757204774959366]
本稿では,既知の先行画像と意味的に関連のある関心対象を推定するためのフレームワークを提案する。
スタイルベース生成モデルの非交叉潜在空間に最適化問題を定式化する。
意味的に有意な制約は、前の画像の非絡み合った潜在表現を用いて課される。
論文 参考訳(メタデータ) (2021-02-24T19:36:55Z) - Deep Variational Network Toward Blind Image Restoration [55.33102369856991]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳(メタデータ) (2020-08-25T03:30:53Z) - Speckle2Void: Deep Self-Supervised SAR Despeckling with Blind-Spot
Convolutional Neural Networks [30.410981386006394]
切り離しはシーン分析アルゴリズムの 重要な予備段階です
ディープラーニングの最近の成功は、新しい世代の非仕様化技術が想定されている。
本稿では,自己教師型ベイズ解法を提案する。
論文 参考訳(メタデータ) (2020-07-04T11:38:48Z) - Learning regularization and intensity-gradient-based fidelity for single
image super resolution [0.0]
画像劣化の進行について検討し、強度と勾配空間の両方で劣化モデルを確立する。
復元には包括的データ一貫性制約が設定される。
提案した忠実度項と設計された正規化項は正規化フレームワークに組み込まれる。
論文 参考訳(メタデータ) (2020-03-24T07:03:18Z)
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。