Fugu-MT 論文翻訳(概要): Wasserstein Patch Prior for Image Superresolution

論文の概要: Wasserstein Patch Prior for Image Superresolution

arxiv url: http://arxiv.org/abs/2109.12880v1
Date: Mon, 27 Sep 2021 09:04:07 GMT
ステータス: 処理完了
システム内更新日: 2021-09-28 15:07:28.804593
Title: Wasserstein Patch Prior for Image Superresolution
Title（参考訳）: 画像の超解像に先立つ wasserstein パッチ
Authors: Johannes Hertrich, Antoine Houdard, Claudia Redenbach
Abstract要約: 2次元および3次元画像の超解像に先立ってワッサースタインパッチを導入する。提案する正則化器の性能を2次元および3次元の数値例で示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we introduce a Wasserstein patch prior for superresolution of two- and three-dimensional images. Here, we assume that we have given (additionally to the low resolution observation) a reference image which has a similar patch distribution as the ground truth of the reconstruction. This assumption is e.g. fulfilled when working with texture images or material data. Then, the proposed regularizer penalizes the $W_2$-distance of the patch distribution of the reconstruction to the patch distribution of some reference image at different scales. We demonstrate the performance of the proposed regularizer by two- and three-dimensional numerical examples.
Abstract（参考訳）: 本稿では,2次元および3次元画像の超解像に先立って,ワッサースタインパッチを提案する。ここでは、再構成の基礎的真理と類似のパッチ分布を有する参照像を(低分解能観察に付加的に)与えたと仮定する。この仮定は、例えばテクスチャ画像や材料データを扱うときに満たされる。そして、提案する正則化器は、再構成のパッチ分布のw_2$- distanceを、複数の基準画像のパッチ分布に異なるスケールでペナルティ化する。提案する正則化器の性能を2次元および3次元の数値例で示す。

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)
Learning to Generate 3D Representations of Building Roofs Using Single-View Aerial Imagery [68.3565370706598]
本研究では,空撮画像から建物屋根メッシュの条件分布を学習するための新しいパイプラインを提案する。同一物体の複数の画像を必要とする代替手法とは違って,本手法では,一つの画像のみを用いて予測を行う3次元屋根メッシュを推定できる。
論文参考訳（メタデータ） (2023-03-20T15:47:05Z)
PATS: Patch Area Transportation with Subdivision for Local Feature Matching [78.67559513308787]
局所特徴マッチングは、一対のイメージ間のスパース対応を確立することを目的としている。この問題に対処するために,PATS(Patch Area Transportation with Subdivision)を提案する。 PATSは、マッチング精度とカバレッジの両方を改善し、下流タスクにおいて優れたパフォーマンスを示す。
論文参考訳（メタデータ） (2023-03-14T08:28:36Z)
HandFlow: Quantifying View-Dependent 3D Ambiguity in Two-Hand Reconstruction with Normalizing Flow [73.7895717883622]
条件付き正規化フローフレームワークにおける可塑性再構成の分布を明示的にモデル化する。この課題に対して,明示的な曖昧さモデリングが適していることを示す。
論文参考訳（メタデータ） (2022-10-04T15:42:22Z)
Weighted Contrastive Hashing [11.14153532458873]
教師なしハッシュ開発は、世界限定の画像表現に基づくデータ類似性マイニングの不足によって妨げられている。本稿では,欠落した画像構造によって引き起こされるネットワーク特徴における情報非対称性の問題を軽減するために,新たな相互注意モジュールを提案する。深い画像関係を反映した集約重み付き類似性を蒸留し、蒸留損失を伴うハッシュコード学習を容易にする。
論文参考訳（メタデータ） (2022-09-28T13:47:33Z)
Revisiting PatchMatch Multi-View Stereo for Urban 3D Reconstruction [1.1011268090482573]
PatchMatch Multi-View Stereo (MVS) に基づく画像に基づく都市シナリオの3次元再構築のための完全なパイプラインを提案する。提案手法は、KITTIデータセット上の古典的MVSアルゴリズムと単分子深度ネットワークの両方に対して慎重に評価される。
論文参考訳（メタデータ） (2022-07-18T08:45:54Z)
FewGAN: Generating from the Joint Distribution of a Few Images [95.6635227371479]
本稿では,新しい,高品質で多様な画像を生成するための生成モデルFewGANを紹介する。 FewGANは、第1の粗いスケールで量子化を適用した階層的なパッチGANであり、その後、より微細なスケールで残った完全畳み込みGANのピラミッドが続く。大規模な実験では、FewGANは定量的にも定性的にも基線より優れていることが示されている。
論文参考訳（メタデータ） (2022-07-18T07:11:28Z)
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)
Learning local regularization for variational image restoration [3.5557219875516655]
本稿では,一般的な画像復元問題を解決するための局所正規化モデルを学習するためのフレームワークを提案する。この正規化器は完全な畳み込みニューラルネットワークで定義され、小さな画像パッチに対応する受容野を通して画像を見る。正規化器は、ワッサーシュタイン生成逆数ネットワークに基づくエネルギーを用いて、クリーンパッチと劣化パッチの未ペア分布を批判するものとして学習される。
論文参考訳（メタデータ） (2021-02-11T17:55:08Z)

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。