論文の概要: Multi-frequency image completion via a biologically-inspired sub-Riemannian model with frequency and phase

• arxiv url: http://arxiv.org/abs/2110.14330v1
• Date: Wed, 27 Oct 2021 10:19:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-28 15:15:03.888645
• Title: Multi-frequency image completion via a biologically-inspired sub-Riemannian model with frequency and phase
• Title（参考訳）: 生物学的にインスパイアされたサブリーマンモデルによる多重周波数画像の完成
• Authors: Emre Baspinar
• Abstract要約: 本稿では,コヒーレントに着想を得た新しい画像補完アルゴリズムを提案する。 視覚皮質内の細胞の配向、空間周波数、位相選択挙動をモデル化した5次元のサブリーマン皮質幾何学を用いている。 このアルゴリズムは、ガボル変換により所定の2次元の劣化した入力画像に存在する配向、周波数、位相情報を抽出し、それらの値をモデル幾何学における皮質細胞出力応答の観点から表現する。
• 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: We present a novel cortically-inspired image completion algorithm. It uses a five dimensional sub-Riemannian cortical geometry modelling the orientation, spatial frequency and phase selective behavior of the cells in the visual cortex. The algorithm extracts the orientation, frequency and phase information existing in a given two dimensional corrupted input image via a Gabor transform and represent those values in terms of cortical cell output responses in the model geometry. Then it performs completion via a diffusion concentrated in a neighbourhood along the neural connections within the model geometry. The diffusion models the activity propagation integrating orientation, frequency and phase features along the neural connections. Finally, the algorithm transforms back the diffused and completed output responses back to the two dimensional image plane.
• Abstract（参考訳）: 本稿では,新しい皮質インスパイア画像補完アルゴリズムを提案する。 視覚皮質内の細胞の配向、空間周波数、位相選択挙動をモデル化した5次元のサブリーマン皮質幾何学を用いている。 このアルゴリズムは、ガボル変換により所定の2次元の劣化した入力画像に存在する配向、周波数、位相情報を抽出し、それらの値をモデル幾何学における皮質細胞出力応答の観点から表現する。 そして、モデル幾何内の神経接続に沿って近傍に集中した拡散を介して完了を行う。 拡散モデルは、神経接続に沿って方向、周波数および位相特徴を統合するアクティビティ伝搬をモデル化する。 最後に、アルゴリズムは拡散および完了した出力応答を2次元画像平面に戻す。

関連論文リスト

• A novel image space formalism of Fourier domain interpolation neural networks for noise propagation analysis [0.0]
  我々は、MRI再構成におけるフーリエ領域のための畳み込みニューラルネットワーク(CNN)の画像空間形式を開発する。 画像領域で実行される推論は、k空間における推論と準同一である。 ノイズレジリエンスは、古典的並列画像の場合のように、よく特徴付けられる。
  論文  参考訳（メタデータ） (2024-02-27T11:01:58Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)
• Neural Wavelet-domain Diffusion for 3D Shape Generation, Inversion, and Manipulation [54.09274684734721]
  本稿では,ウェーブレット領域における連続的な暗黙表現の直接生成モデルを用いて,3次元形状の生成,反転,操作を行う新しい手法を提案する。 具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。 エンコーダネットワークを共同でトレーニングすることで,形状を反転させる潜在空間を学習することができる。
  論文  参考訳（メタデータ） (2023-02-01T02:47:53Z)
• Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
  我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。 シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。 本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
  論文  参考訳（メタデータ） (2022-11-24T07:30:27Z)
• Neural Wavelet-domain Diffusion for 3D Shape Generation [52.038346313823524]
  本稿では,ウェーブレット領域における連続的暗黙表現の直接生成モデリングを可能にする3次元形状生成の新しい手法を提案する。 具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。
  論文  参考訳（メタデータ） (2022-09-19T02:51:48Z)
• Learning Local Implicit Fourier Representation for Image Warping [11.526109213908091]
  画像ワーピング(LTEW)のための局所的テクスチャ推定器を提案し,次に暗黙のニューラル表現を用いて画像を連続的な形状に変形する。 我々のLTEWベースのニューラル関数は、非対称スケールSRとホモグラフィ変換の既存のワープ手法よりも優れています。
  論文  参考訳（メタデータ） (2022-07-05T06:30:17Z)
• DD-NeRF: Double-Diffusion Neural Radiance Field as a Generalizable Implicit Body Representation [17.29933848598768]
  本稿では,人体形状と外見を任意の入力ビューから表現するための新しい一般化可能な暗黙の場DD-NeRFを提案する。 様々なデータセットの実験により,提案手法は幾何再構成と新規なビュー合成品質の両方において,従来よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-12-23T07:30:22Z)
• A singular Riemannian geometry approach to Deep Neural Networks II. Reconstruction of 1-D equivalence classes [78.120734120667]
  入力空間における出力多様体内の点の事前像を構築する。 我々は、n-次元実空間から(n-1)-次元実空間へのニューラルネットワークマップの場合の簡易性に焦点をあてる。
  論文  参考訳（メタデータ） (2021-12-17T11:47:45Z)
• Image reconstruction in light-sheet microscopy: spatially varying deconvolution and mixed noise [1.1545092788508224]
  光シート顕微鏡におけるデコンボリューションの問題点について検討する。 データは空間的に異なるぼかしと、ポアソンとガウスノイズの組み合わせによって破壊される。 シミュレーションと実データの両方で行った数値実験は, 他の手法と比較して, 再現性に優れていた。
  論文  参考訳（メタデータ） (2021-08-08T14:14:35Z)
• Volume Rendering of Neural Implicit Surfaces [57.802056954935495]
  本稿では,ニューラルボリュームレンダリングにおける幾何学的表現と再構成を改善することを目的とする。 体積密度を幾何学の関数としてモデル化することで実現する。 この新たな密度表現を挑戦的なシーンマルチビューデータセットに適用することで、高品質な幾何学的再構成を実現した。
  論文  参考訳（メタデータ） (2021-06-22T20:23:16Z)

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。