論文の概要: One-Sided Box Filter for Edge Preserving Image Smoothing

• arxiv url: http://arxiv.org/abs/2108.05021v1
• Date: Wed, 11 Aug 2021 04:22:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-12 13:16:26.166337
• Title: One-Sided Box Filter for Edge Preserving Image Smoothing
• Title（参考訳）: エッジ保存画像平滑化用片面ボックスフィルタ
• Authors: Yuanhao Gong
• Abstract要約: 信号の平滑化はできるが,信号に不連続な特徴を保持する一方的なボックスフィルタを提案する。 より具体的には、8つの片側ウィンドウでボックスフィルタを実行し、片側ボックスフィルタでコーナーとエッジを保存します。
• 参考スコア（独自算出の注目度）: 9.67565473617028
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image smoothing is a fundamental task in signal processing. For such task, box filter is well-known. However, box filter can not keep some features of the signal, such as edges, corners and the jump in the step function. In this paper, we present a one-sided box filter that can smooth the signal but keep the discontinuous features in the signal. More specifically, we perform box filter on eight one-sided windows, leading to a one-sided box filter that can preserve corners and edges. Our filter inherits the constant $O(1)$ computational complexity of the original box filter with respect to the window size and also the linear $O(N)$ computational complexity with respect to the total number of samples. We performance several experiments to show the efficiency and effectiveness of this filter. We further compare our filter with other the-state-of-the-art edge preserving methods. Our filter can be deployed in a large range of applications where the classical box filter is adopted.
• Abstract（参考訳）: 画像平滑化は信号処理の基本的なタスクである。 このようなタスクでは、ボックスフィルタがよく知られている。 しかし、ボックスフィルタは、エッジ、コーナー、ステップ関数のジャンプなど、信号のいくつかの特徴を保持することができない。 本稿では,信号の不連続性を保ちながら,信号の平滑化が可能な片面フィルタを提案する。 具体的には、8つの片側ウィンドウでボックスフィルタを実行し、片側ボックスフィルタがコーナーとエッジを保護します。 我々のフィルタは、ウィンドウサイズに関して元のボックスフィルタの定数$o(1)$計算複雑性を継承し、サンプルの総数に関して線形$o(n)$計算複雑性を継承する。 本フィルタの効率と有効性を示すため,いくつかの実験を行った。 さらに,このフィルタを最先端のエッジ保存手法と比較する。 我々のフィルタは、古典的なボックスフィルタを採用する広範囲のアプリケーションにデプロイできる。

関連論文リスト

• Pruning Networks with Cross-Layer Ranking & k-Reciprocal Nearest Filters [151.2423480789271]
  フィルタレベルのネットワークプルーニングには,CLR-RNFと呼ばれる新しいプルーニング法が提案されている。 我々は,CIFAR-10 と ImageNet で画像分類を行い,CLR-RNF が最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-15T04:53:24Z)
• Image Edge Restoring Filter [4.060948640328565]
  局所平滑化フィルタの出力におけるぼやけたエッジ画素をクリアに復元するための画像エッジ復元フィルタ(ERF)を提案する。 提案フィルタは,多くの局所スムースティングフィルタの後に実装できる。
  論文  参考訳（メタデータ） (2021-12-27T07:02:01Z)
• Reverse image filtering using total derivative approximation and accelerated gradient descent [82.93345261434943]
  線形あるいは非線形な画像フィルタの効果を逆転する新たな問題に対処する。 この仮定では、フィルタのアルゴリズムは未知であり、フィルタはブラックボックスとして利用できる。 この逆問題を、局所的なパッチベースのコスト関数の最小化として定式化し、全導関数を用いて勾配勾配の勾配を近似し、問題を解く。
  論文  参考訳（メタデータ） (2021-12-08T05:16:11Z)
• Learning Versatile Convolution Filters for Efficient Visual Recognition [125.34595948003745]
  本稿では,効率的な畳み込みニューラルネットワーク構築のための多目的フィルタを提案する。 本稿では,ネットワークの複雑性に関する理論的解析を行い,効率的な畳み込み手法を提案する。 ベンチマークデータセットとニューラルネットワークの実験結果は、我々の汎用フィルタが元のフィルタと同等の精度を達成できることを実証している。
  論文  参考訳（メタデータ） (2021-09-20T06:07:14Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Quarter Laplacian Filter for Edge Aware Image Processing [32.885698849515045]
  本稿では,画像平滑化時に角と縁を保存できる4次ラプラシアンフィルタを提案する。 本稿では,そのエッジ保存特性を,画像平滑化,テクスチャ強調,低光度画像強調など,いくつかの画像処理タスクで示す。
  論文  参考訳（メタデータ） (2021-01-20T02:29:54Z)
• Pruning Filter in Filter [38.6403556260338]
  プルーニングは、現代のニューラルネットワークを圧縮し、加速する非常に強力で効果的な技術になっている。 従来のフィルタプルーニング法よりもきめ細かな粒度を実現するため,フィルタ内のフィルタをプルークする手法を提案する。 SWPは従来のFP法よりも有効であることを示し,CIFAR-10とImageNetデータセットの最先端プルーニング比を実現する。
  論文  参考訳（メタデータ） (2020-09-30T03:35:16Z)
• Filter Grafting for Deep Neural Networks: Reason, Method, and Cultivation [86.91324735966766]
  フィルタは現代の畳み込みニューラルネットワーク(CNN)のキーコンポーネントである 本稿では,この目的を達成するためにフィルタグラフト(textbfMethod)を導入する。 我々は,フィルタの情報を測定するための新しい基準と,グラフトされた情報をネットワーク間でバランスをとるための適応重み付け戦略を開発する。
  論文  参考訳（メタデータ） (2020-04-26T08:36:26Z)
• Convolutional Neural Network Pruning Using Filter Attenuation [10.282782377635106]
  畳み込みニューラルネットワーク(CNN)におけるフィルタは必須要素である フィルタプルーニング法では、チャネルや接続を含む全てのコンポーネントを持つフィルタが除去される。 弱いフィルタを直接除去しないフィルタ減衰に基づくCNNプルーニング手法を提案する。
  論文  参考訳（メタデータ） (2020-02-09T06:31:24Z)
• Filter Grafting for Deep Neural Networks [71.39169475500324]
  ディープニューラルネットワーク(DNN)の表現能力向上を目的としたフィルタグラフト 我々は,フィルタの情報を測定するエントロピーベースの基準と,ネットワーク間のグラフト情報のバランスをとるための適応重み付け戦略を開発する。 例えば、グラフトされたMobileNetV2は、CIFAR-100データセットで非グラフトされたMobileNetV2を約7%上回っている。
  論文  参考訳（メタデータ） (2020-01-15T03:18:57Z)

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。