Fugu-MT 論文翻訳(概要): View Blind-spot as Inpainting: Self-Supervised Denoising with Mask Guided Residual Convolution

論文の概要: View Blind-spot as Inpainting: Self-Supervised Denoising with Mask Guided Residual Convolution

arxiv url: http://arxiv.org/abs/2109.04970v1
Date: Fri, 10 Sep 2021 16:10:08 GMT
ステータス: 処理完了
システム内更新日: 2021-09-13 13:20:55.636059
Title: View Blind-spot as Inpainting: Self-Supervised Denoising with Mask Guided Residual Convolution
Title（参考訳）: 絵画としての盲点: マスクをガイドした残差畳み込みによる自己監督型認知
Authors: Yuhongze Zhou, Liguang Zhou, Tin Lun Lam, Yangsheng Xu
Abstract要約: 本稿では,新しいMask Guided Residual Convolution(MGRConv)を共通の畳み込みニューラルネットワークに導入する。我々のMGRConvはソフトな部分的畳み込みと見なすことができ、部分的畳み込み、学習可能な注意マップ、ゲート的畳み込みのトレードオフを見つけることができる。実験の結果,提案するプラグイン・アンド・プレイMGRConvは,ブラインドスポットに基づくデノナイジングネットワークを有効活用できることがわかった。
参考スコア（独自算出の注目度）: 2.179313476241343
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In recent years, self-supervised denoising methods have shown impressive performance, which circumvent painstaking collection procedure of noisy-clean image pairs in supervised denoising methods and boost denoising applicability in real world. One of well-known self-supervised denoising strategies is the blind-spot training scheme. However, a few works attempt to improve blind-spot based self-denoiser in the aspect of network architecture. In this paper, we take an intuitive view of blind-spot strategy and consider its process of using neighbor pixels to predict manipulated pixels as an inpainting process. Therefore, we propose a novel Mask Guided Residual Convolution (MGRConv) into common convolutional neural networks, e.g. U-Net, to promote blind-spot based denoising. Our MGRConv can be regarded as soft partial convolution and find a trade-off among partial convolution, learnable attention maps, and gated convolution. It enables dynamic mask learning with appropriate mask constrain. Different from partial convolution and gated convolution, it provides moderate freedom for network learning. It also avoids leveraging external learnable parameters for mask activation, unlike learnable attention maps. The experiments show that our proposed plug-and-play MGRConv can assist blind-spot based denoising network to reach promising results on both existing single-image based and dataset-based methods.
Abstract（参考訳）: 近年, 自己監督型遮音法が目覚ましい性能を示し, 監視型遮音法におけるノイズクリーン画像対の集音を回避し, 実世界での遮音性を高めている。知名度の高い自己監督の教育戦略の1つは盲点訓練法である。しかし、ネットワークアーキテクチャの面から、盲点ベースの自己否定性を改善する試みがいくつかある。本稿では,盲点戦略を直観的に捉え,隣接する画素を用いて処理した画素を塗装プロセスとして予測するプロセスについて考察する。そこで我々は,新しいマスクガイド型残差畳み込み(MGRConv)を共通の畳み込みニューラルネットワーク(例えばU-Net)に導入し,盲点に基づく復調を促進する。我々のMGRConvはソフトな部分的畳み込みと見なすことができ、部分的畳み込み、学習可能な注意マップ、ゲート的畳み込みのトレードオフを見つけることができる。適切なマスク制約で動的マスク学習を可能にする。部分畳み込みやゲート畳み込みとは異なり、ネットワーク学習に適度な自由を与える。また、学習可能なアテンションマップとは異なり、マスクアクティベーションのために外部学習可能なパラメータを利用するのを避ける。実験により,提案するプラグイン・アンド・プレイmgrconvは,既存の単一画像ベースとデータセットベースの両方の手法で有望な結果が得られるように,ブラインドスポットに基づくデノイジングネットワークを支援できることを示した。

関連論文リスト

Asymmetric Mask Scheme for Self-Supervised Real Image Denoising [14.18283674891189]
本稿では,盲点操作を不要とする自己指導型聴覚訓練のためのマスク方式を提案する。提案手法は,非対称マスク方式をトレーニングや推論に用い,既存の実雑音画像データセットの最先端性能を実現する。
論文参考訳（メタデータ） (2024-07-09T03:01:28Z)
Masking Improves Contrastive Self-Supervised Learning for ConvNets, and Saliency Tells You Where [63.61248884015162]
我々は、畳み込みニューラルネットワークのためのコントラスト学習フレームワークにマスキング操作を組み込むことの負担を軽減することを目的としている。マスクされた領域が、前景と背景の間に均等に分散されていることを考慮し、塩分濃度の制約を明示的に考慮することを提案する。
論文参考訳（メタデータ） (2023-09-22T09:58:38Z)
Learning to Mask and Permute Visual Tokens for Vision Transformer Pre-Training [59.923672191632065]
我々はMasked and Permuted Vision Transformer(MaPeT)という自己教師型事前学習手法を提案する。 MaPeTは、自動回帰および置換予測を使用して、パッチ内依存関係をキャプチャする。以上の結果から,MaPeTはImageNet上での競合性能を実証した。
論文参考訳（メタデータ） (2023-06-12T18:12:19Z)
Self-supervised Image Denoising with Downsampled Invariance Loss and Conditional Blind-Spot Network [12.478287906337194]
ほとんどの代表的自己監督型デノイザーは盲点ネットワークに基づいている。標準的な盲点ネットワークは、ノイズの画素ワイド相関により、実際のカメラノイズを低減できない。実雑音を除去できる新しい自己教師型トレーニングフレームワークを提案する。
論文参考訳（メタデータ） (2023-04-19T08:55:27Z)
Exploring Efficient Asymmetric Blind-Spots for Self-Supervised Denoising in Real-World Scenarios [44.31657750561106]
実世界のシナリオにおけるノイズはしばしば空間的に相関しており、多くの自己教師型アルゴリズムは性能が良くない。盲点サイズを自由に調整できる非対称可変ブラインド・スポットネットワーク(AT-BSN)を提案する。提案手法は最先端技術を実現し,計算オーバーヘッドや視覚効果の観点から,他の自己教師付きアルゴリズムよりも優れていることを示す。
論文参考訳（メタデータ） (2023-03-29T15:19:01Z)
Spatially Adaptive Self-Supervised Learning for Real-World Image Denoising [73.71324390085714]
本稿では,現実の sRGB 画像復号化の問題を解決するために,新しい視点を提案する。ノイズの多い画像における平坦領域とテクスチャ領域のそれぞれの特徴を考慮し、それらを個別に管理する。 LAN自体がBNNの出力で管理されているのに対して,我々はその要件を満たすためのローカル・アウェア・ネットワーク(LAN)を提案する。
論文参考訳（メタデータ） (2023-03-27T06:18:20Z)
Masked Image Training for Generalizable Deep Image Denoising [53.03126421917465]
本稿では,デノナイジングネットワークの一般化性能を高めるための新しい手法を提案する。提案手法では,入力画像のランダムなピクセルをマスキングし,学習中に欠落した情報を再構成する。提案手法は,他のディープラーニングモデルよりも優れた一般化能力を示し,実世界のシナリオに直接適用可能である。
論文参考訳（メタデータ） (2023-03-23T09:33:44Z)
I2V: Towards Texture-Aware Self-Supervised Blind Denoising using Self-Residual Learning for Real-World Images [8.763680382529412]
pixel-shuffle downsampling (PD) はノイズの空間的相関を排除するために提案されている。テクスチャ情報を維持するために,PD処理を使わずに自己学習を提案する。広汎な実験の結果,提案手法は最先端の自己監督型ブラインド・デノイング・アプローチよりも優れていた。
論文参考訳（メタデータ） (2023-02-21T08:51:17Z)
Neighbor2Neighbor: Self-Supervised Denoising from Single Noisy Images [98.82804259905478]
Neighbor2Neighborを提示し、ノイズの多い画像のみで効果的な画像消音モデルをトレーニングします。ネットワークのトレーニングに使用される入力とターゲットは、同じノイズ画像からサブサンプリングされた画像である。デノイジングネットワークは、第1段階で生成されたサブサンプルトレーニングペアで訓練され、提案された正規化器は、より良いパフォーマンスのための追加の損失として訓練される。
論文参考訳（メタデータ） (2021-01-08T02:03:25Z)
Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
論文参考訳（メタデータ） (2019-08-29T15:54:06Z)

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。