Fugu-MT 論文翻訳(概要): Hyperparameter Analysis for Derivative Compressive Sampling

論文の概要: Hyperparameter Analysis for Derivative Compressive Sampling

arxiv url: http://arxiv.org/abs/2108.04355v1
Date: Thu, 5 Aug 2021 20:58:18 GMT
ステータス: 処理完了
システム内更新日: 2021-08-15 11:44:08.874896
Title: Hyperparameter Analysis for Derivative Compressive Sampling
Title（参考訳）: 微分圧縮サンプリングのためのハイパーパラメータ解析
Authors: Md Fazle Rabbi
Abstract要約: 導出型サンプリング圧縮 (DCS) は, サブニキストサンプリングレートによる空間勾配の測定から信号再構成を行う手法である。 DCSの応用例としては、光学画像再構成、測光ステレオ、シェーディング形状などがある。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Derivative compressive sampling (DCS) is a signal reconstruction method from measurements of the spatial gradient with sub-Nyquist sampling rate. Applications of DCS include optical image reconstruction, photometric stereo, and shape-from-shading. In this work, we study the sensitivity of DCS with respect to algorithmic hyperparameters using a brute-force search algorithm. We perform experiments on a dataset of surface images and deduce guidelines for the user to setup values for the hyperparameters for improved signal recovery performance.
Abstract（参考訳）: 導電性圧縮サンプリング (dcs) は, 空間勾配とサブナイキストサンプリング率の測定から得られた信号再構成法である。 DCSの応用例としては、光学画像再構成、測光ステレオ、シェーディング形状などがある。本研究では,ブルートフォースサーチアルゴリズムを用いて,アルゴリズムハイパーパラメータに対するdcsの感度について検討する。我々は,表面画像のデータセット上で実験を行い,信号回復性能を向上させるためにハイパーパラメータの値を設定するためのガイドラインを導出する。

関連論文リスト

Optimized Linear Measurements for Inverse Problems using Diffusion-Based Image Generation [10.297832938258841]
線形測定の小さな集合から高次元信号を再構成する問題を再検討する。我々は,SSIMの知覚的損失に対する測定値の最適化が,知覚的再構築に繋がることを示す。
論文参考訳（メタデータ） (2024-05-22T20:38:58Z)
Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。 Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
論文参考訳（メタデータ） (2024-04-02T13:43:08Z)
Anti-Aliased Neural Implicit Surfaces with Encoding Level of Detail [54.03399077258403]
本稿では,高頻度幾何細部リカバリとアンチエイリアス化された新しいビューレンダリングのための効率的なニューラル表現であるLoD-NeuSを提案する。我々の表現は、光線に沿った円錐状のフラストラム内の多面体化から空間特徴を集約する。
論文参考訳（メタデータ） (2023-09-19T05:44:00Z)
OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文参考訳（メタデータ） (2022-06-17T08:11:26Z)
A Fast Alternating Minimization Algorithm for Coded Aperture Snapshot Spectral Imaging Based on Sparsity and Deep Image Priors [8.890754092562918]
Coded Aperture snapshot Spectrum Imaging (CASSI)は、3次元ハイパースペクトル画像(HSI)を再構成する技術である。本稿では,自然画像の空間と深部画像の先行値(Fama-P)に基づいて,高速な変動最小化アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-06-12T03:29:14Z)
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)
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)
Deep Manifold Learning for Dynamic MR Imaging [30.70648993986445]
本研究では, 非線形多様体上での深層学習法を開発し, 動的信号の時間的冗長性を探究し, 心臓MRIデータを再構成する。提案手法は, 圧縮センシング(CS)法と, 最先端の深層学習法であるDC-CNNとCRNNと比較して, 改良された再構成が得られる。
論文参考訳（メタデータ） (2021-03-09T02:18:08Z)
Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文参考訳（メタデータ） (2021-03-01T19:19:38Z)
LADMM-Net: An Unrolled Deep Network For Spectral Image Fusion From Compressive Data [6.230751621285322]
ハイパースペクトル(HS)およびマルチスペクトル(MS)画像融合は、低空間分解能HS画像と低スペクトル分解能MS画像から高分解能スペクトル画像を推定することを目的とする。本研究では,HSおよびMS圧縮測定による融合問題の解法として,アルゴリズムアンロール法に基づくディープラーニングアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-03-01T12:04:42Z)
Learning Sampling and Model-Based Signal Recovery for Compressed Sensing MRI [30.838990115880197]
圧縮センシング(CS)MRIは、画像品質を損なうことなく、取得を加速するためにk空間の適切なアンサンプに依存する。タスク適応型k空間サンプリングとそれに続くモデルベース近位回復ネットワークの併用学習を提案する。高いフレキシブルサンプリングモデルとモデルベース(サンプル適応型)画像再構成ネットワークの組み合わせにより、探索と効率的なトレーニングが容易になり、MR画像の品質が向上した。
論文参考訳（メタデータ） (2020-04-22T12:50:03Z)

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。