Fugu-MT 論文翻訳(概要): Revisit Dictionary Learning for Video Compressive Sensing under the Plug-and-Play Framework

論文の概要: Revisit Dictionary Learning for Video Compressive Sensing under the Plug-and-Play Framework

arxiv url: http://arxiv.org/abs/2110.04966v1
Date: Mon, 11 Oct 2021 02:30:54 GMT
ステータス: 処理完了
システム内更新日: 2021-10-13 07:24:04.565536
Title: Revisit Dictionary Learning for Video Compressive Sensing under the Plug-and-Play Framework
Title（参考訳）: Plug-and-Play フレームワークによるビデオ圧縮センシングのための改訂辞書学習
Authors: Qing Yang, Yaping Zhao
Abstract要約: 本稿では,ビデオSCI再構成のための効率的かつ効率的な圧縮ベースアルゴリズムを提案する。シミュレーションの結果,提案手法の有効性が示された。
参考スコア（独自算出の注目度）: 4.988065198958319
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Aiming at high-dimensional (HD) data acquisition and analysis, snapshot compressive imaging (SCI) obtains the 2D compressed measurement of HD data with optical imaging systems and reconstructs HD data using compressive sensing algorithms. While the Plug-and-Play (PnP) framework offers an emerging solution to SCI reconstruction, its intrinsic denoising process is still a challenging problem. Unfortunately, existing denoisers in the PnP framework either suffer limited performance or require extensive training data. In this paper, we propose an efficient and effective shallow-learning-based algorithm for video SCI reconstruction. Revisiting dictionary learning methods, we empower the PnP framework with a new denoiser, the kernel singular value decomposition (KSVD). Benefited from the advent of KSVD, our algorithm retains a good trade-off among quality, speed, and training difficulty. On a variety of datasets, both quantitative and qualitative evaluations of our simulation results demonstrate the effectiveness of our proposed method. In comparison to a typical baseline using total variation, our method achieves around $2$ dB improvement in PSNR and 0.2 in SSIM. We expect that our proposed PnP-KSVD algorithm can serve as a new baseline for video SCI reconstruction.
Abstract（参考訳）: 高次元(HD)データ取得と解析を目的として、スナップショット圧縮画像(SCI)は、光学イメージングシステムを用いてHDデータの2次元圧縮計測を行い、圧縮センシングアルゴリズムを用いてHDデータの再構成を行う。 Plug-and-Play(PnP)フレームワークはSCI再構築の新たなソリューションを提供するが、本質的なデノベーションプロセスは依然として難しい問題である。残念ながら、PnPフレームワークの既存のデノイザは、限られたパフォーマンスに苦しむか、広範なトレーニングデータを必要とする。本稿では,ビデオSCI再構成のための効率的かつ効果的な浅層学習アルゴリズムを提案する。辞書学習法を再検討し,新しいデノイザーであるkernel singular value decomposition (ksvd) を用いてpnpフレームワークに力を与える。 KSVDの出現により、我々のアルゴリズムは品質、スピード、トレーニングの難しさのトレードオフを保っている。シミュレーション結果の定量的および定性的な評価は,様々なデータセットにおいて,提案手法の有効性を示す。総変分を用いた典型的なベースラインと比較すると,PSNRでは約2ドルdB,SSIMでは0.2ドルである。提案するPnP-KSVDアルゴリズムは,ビデオSCI再構成のための新しいベースラインとして機能することを期待する。

関連論文リスト

bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
論文参考訳（メタデータ） (2024-10-30T17:30:35Z)
Untrained Neural Nets for Snapshot Compressive Imaging: Theory and Algorithms [15.54330224419903]
スナップショット圧縮イメージング(SCI)は、単一の2次元計測から高次元(3D)データキューブを復元する。本稿では、DIP(Deep Image prior)などの未学習ニューラルネットワーク(UNN)を用いたSCI回復アルゴリズムに着目し、ソース構造をモデル化する。
論文参考訳（メタデータ） (2024-06-06T02:22:43Z)
Video Dynamics Prior: An Internal Learning Approach for Robust Video Enhancements [83.5820690348833]
外部トレーニングデータコーパスを必要としない低レベルの視覚タスクのためのフレームワークを提案する。提案手法は,コヒーレンス・時間的テストの重み付けと統計内部統計を利用して,破損したシーケンスを最適化することでニューラルモジュールを学習する。
論文参考訳（メタデータ） (2023-12-13T01:57:11Z)
Multi-stage image denoising with the wavelet transform [125.2251438120701]
深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
論文参考訳（メタデータ） (2022-09-26T03:28:23Z)
Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image Denoising [50.039949798156826]
本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
論文参考訳（メタデータ） (2022-07-09T13:35:12Z)
An Empirical Analysis of Recurrent Learning Algorithms In Neural Lossy Image Compression Systems [73.48927855855219]
近年のディープラーニングの進歩により、JPEGとJPEG 2000を標準のKodakベンチマークで上回る画像圧縮アルゴリズムが実現している。本稿では,最近の最先端ハイブリッドニューラル圧縮アルゴリズムの大規模比較を行う。
論文参考訳（メタデータ） (2022-01-27T19:47:51Z)
Deep Equilibrium Models for Video Snapshot Compressive Imaging [7.723778852967041]
本稿では,ビデオ圧縮画像(SCI)再構成のためのDeep equilibrium model (DEQ)を提案する。各平衡モデルは暗黙的に非拡張作用素を学習し、解析的に固定点を計算し、無限反復ステップと無限ネットワーク深さを可能にする。
論文参考訳（メタデータ） (2022-01-18T12:49:59Z)
Active Restoration of Lost Audio Signals Using Machine Learning and Latent Information [0.7252027234425334]
本稿では, ステガノグラフィー, ハーフトニング(ディザリング), 最先端の浅層・深層学習法の組み合わせを提案する。本研究では,信号対雑音比(SNR),目標差次数(ODG),およびハンセンの音質測定値を用いて,塗装性能の向上を示す。
論文参考訳（メタデータ） (2021-11-21T20:11:33Z)
Learning Spatial and Spatio-Temporal Pixel Aggregations for Image and Video Denoising [104.59305271099967]
ピクセル集計ネットワークを提示し、画像デノイジングのためのピクセルサンプリングと平均戦略を学びます。時間空間にまたがるサンプル画素をビデオデノナイズするための画素集約ネットワークを開発した。本手法は,動的シーンにおける大きな動きに起因する誤認問題を解決することができる。
論文参考訳（メタデータ） (2021-01-26T13:00:46Z)
Plug-and-Play Algorithms for Video Snapshot Compressive Imaging [41.818167109996885]
低速2dセンサ(検出器)を用いたスナップショット映像撮影(sci)の再構成問題を考える。 SCIの基本原則は、異なるマスクを持つフレームを変調し、エンコードされたフレームをセンサーのスナップショットに統合することです。私たちの日常生活で大規模な問題(HDまたはUHDビデオ)にSCIを適用することは、まだ1つのボトルネックが再構築アルゴリズムにあります。
論文参考訳（メタデータ） (2021-01-13T00:51:49Z)
TFPnP: Tuning-free Plug-and-Play Proximal Algorithm with Applications to Inverse Imaging Problems [22.239477171296056]
Plug-and-Play (MM) は非最適化フレームワークであり、例えば、数値アルゴリズムと高度なデノゲーション前処理を組み合わせたものである。我々は、学習戦略とともに最先端の成果である、より難解な問題に対するいくつかの実践的考察について論じる。
論文参考訳（メタデータ） (2020-11-18T14:19:30Z)

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。