Fugu-MT 論文翻訳(概要): A Closer Look at Reference Learning for Fourier Phase Retrieval

論文の概要: A Closer Look at Reference Learning for Fourier Phase Retrieval

arxiv url: http://arxiv.org/abs/2110.13688v1
Date: Tue, 26 Oct 2021 13:25:36 GMT
ステータス: 処理完了
システム内更新日: 2021-10-27 15:05:02.719420
Title: A Closer Look at Reference Learning for Fourier Phase Retrieval
Title（参考訳）: フーリエ位相検索のための参照学習について
Authors: Tobias Uelwer, Nick Rucks, Stefan Harmeling
Abstract要約: フーリエ等級が測定される前に、画像に参照画像を追加することができる位相探索問題の修正版を考える。本稿では,参照画像の簡易かつ効率的な構築方法を提案する。
参考スコア（独自算出の注目度）: 0.966840768820136
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Reconstructing images from their Fourier magnitude measurements is a problem that often arises in different research areas. This process is also referred to as phase retrieval. In this work, we consider a modified version of the phase retrieval problem, which allows for a reference image to be added onto the image before the Fourier magnitudes are measured. We analyze an unrolled Gerchberg-Saxton (GS) algorithm that can be used to learn a good reference image from a dataset. Furthermore, we take a closer look at the learned reference images and propose a simple and efficient heuristic to construct reference images that, in some cases, yields reconstructions of comparable quality as approaches that learn references. Our code is available at https://github.com/tuelwer/reference-learning.
Abstract（参考訳）: フーリエマグニチュード測定から画像を再構成することは、異なる研究領域でしばしば発生する問題である。この過程は位相探索とも呼ばれる。本研究では、フーリエ等級が測定される前に、画像に参照画像を追加することができる位相検索問題の修正版について検討する。我々は、データセットから良い参照画像を学ぶのに使用できる未学習のGerchberg-Saxton(GS)アルゴリズムを解析する。さらに、学習した参照画像についてより詳しく検討し、参照画像を構築するための単純で効率的なヒューリスティックを提案する。私たちのコードはhttps://github.com/tuelwer/reference-learningで利用可能です。

関連論文リスト

Learning from small data sets: Patch-based regularizers in inverse problems for image reconstruction [1.1650821883155187]
機械学習の最近の進歩は、ネットワークを訓練するために大量のデータとコンピュータ能力を必要とする。本稿は,ごく少数の画像のパッチを考慮に入れることで,小さなデータセットから学習する問題に対処する。本稿では,Langevin Monte Carlo法を用いて後部を近似することにより,不確実な定量化を実現する方法を示す。
論文参考訳（メタデータ） (2023-12-27T15:30:05Z)
Alternating Phase Langevin Sampling with Implicit Denoiser Priors for Phase Retrieval [1.7767466724342065]
本稿では,従来のフレームワークに組み込んだ位相探索問題の解法を提案する。位相探索のための性能記述に基づくアルゴリズムと比較し、分布内画像と分布外画像の顕著な測定結果と競合する性能を示す。
論文参考訳（メタデータ） (2022-11-02T05:08:50Z)
Correlation Verification for Image Retrieval [15.823918683848877]
相関検証ネットワーク (CVNet) という新しい画像検索手法を提案する。 CVNetは、様々な画像対から多様な幾何マッチングパターンを学習しながら、高密度特徴相関を画像類似性に圧縮する。提案するネットワークは,有意なマージンを有する複数の検索ベンチマークにおいて,最先端の性能を示す。
論文参考訳（メタデータ） (2022-04-04T13:18:49Z)
Contrastive Feature Loss for Image Prediction [55.373404869092866]
教師付き画像合成モデルのトレーニングでは、批評家は2つの画像を比較する必要がある。本稿では,2つの画像間の類似度を測定するための情報理論に基づくアプローチを提案する。この定式化により,L1損失の代替として,出力画像の知覚的リアリズムが向上することを示す。
論文参考訳（メタデータ） (2021-11-12T20:39:52Z)
Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文参考訳（メタデータ） (2021-04-29T17:58:35Z)
Understanding Image Retrieval Re-Ranking: A Graph Neural Network Perspective [52.96911968968888]
本稿では,GNN(High-parallelism Graph Neural Network)関数として再ランク化が可能であることを示す。 market-1501データセットでは、1k40m gpuで89.2sから9.4msへのリランキング処理を高速化し、リアルタイムのポストプロセッシングを容易にする。
論文参考訳（メタデータ） (2020-12-14T15:12:36Z)
Shared Prior Learning of Energy-Based Models for Image Reconstruction [69.72364451042922]
本研究では,地中真理データを含まないトレーニングに特化して設計された画像再構成のための新しい学習ベースフレームワークを提案する。基底真理データがない場合には、損失関数をパッチベースのワッサーシュタイン関数に変更する。共用事前学習では、上記の最適制御問題と正規化器の共用学習パラメータを同時に最適化する。
論文参考訳（メタデータ） (2020-11-12T17:56:05Z)
Powers of layers for image-to-image translation [60.5529622990682]
本稿では,未ペア画像から画像への変換タスクに対処するシンプルなアーキテクチャを提案する。固定重み付きイメージオートエンコーダアーキテクチャから始める。各タスクに対して、潜在空間で動作している残留ブロックを学習し、ターゲット領域に到達するまで繰り返し呼び出される。
論文参考訳（メタデータ） (2020-08-13T09:02:17Z)
Solving Phase Retrieval with a Learned Reference [18.76940558836028]
フーリエ位相探索は、フーリエ係数の振幅測定から画像の回復を扱う古典的な問題である。本稿では、振幅測定を行う前に、既知の(学習した)参照を信号に追加すると仮定する。本手法はホログラフィーに参照信号を追加する原理に着想を得たものである。
論文参考訳（メタデータ） (2020-07-29T06:17:25Z)
An Image Analogies Approach for Multi-Scale Contour Detection [4.974890682815778]
クエリ画像の輪郭を参照(例:アナログ)に対して行うのと同じ方法で検出する新しい方法を提案する。数学的な研究から導かれた14個のステレオパッチは、光条件とは無関係に輪郭を異なるスケールで見つけるために用いられる知識である。
論文参考訳（メタデータ） (2020-07-21T19:14:18Z)
Geometrically Mappable Image Features [85.81073893916414]
地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。本稿では,画像検索を対象とした画像特徴学習手法を提案する。
論文参考訳（メタデータ） (2020-03-21T15:36:38Z)

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。