論文の概要: Monotonically Convergent Regularization by Denoising

• arxiv url: http://arxiv.org/abs/2202.04961v1
• Date: Thu, 10 Feb 2022 11:32:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-11 16:20:28.232973
• Title: Monotonically Convergent Regularization by Denoising
• Title（参考訳）: 単調に収束する正規化
• Authors: Yuyang Hu, Jiaming Liu, Xiaojian Xu, and Ulugbek S. Kamilov
• Abstract要約: デノナイズ(RED)による正規化は、画像のデノナイザを画像先行として活用することで、逆問題を解決するための広く使われているフレームワークである。 最近の研究は、事前訓練されたディープニューラルネットをデノイザーとして使用した多くのイメージングアプリケーションにおいて、REDの最先端性能を報告している。 この研究は、ディープ・デノゲーションの非拡張性を必要としない新しいモノトーンRED(MRED)アルゴリズムを開発することでこの問題に対処する。
• 参考スコア（独自算出の注目度）: 19.631197002314305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Regularization by denoising (RED) is a widely-used framework for solving inverse problems by leveraging image denoisers as image priors. Recent work has reported the state-of-the-art performance of RED in a number of imaging applications using pre-trained deep neural nets as denoisers. Despite the recent progress, the stable convergence of RED algorithms remains an open problem. The existing RED theory only guarantees stability for convex data-fidelity terms and nonexpansive denoisers. This work addresses this issue by developing a new monotone RED (MRED) algorithm, whose convergence does not require nonexpansiveness of the deep denoising prior. Simulations on image deblurring and compressive sensing recovery from random matrices show the stability of MRED even when the traditional RED algorithm diverges.
• Abstract（参考訳）: デノイジングによる正規化(red)は、画像デノワザを画像優先として利用することで逆問題を解くために広く使われているフレームワークである。 最近の研究は、事前訓練されたディープニューラルネットをデノイザーとして使用した多くのイメージングアプリケーションにおいてREDの最先端性能を報告している。 近年の進歩にもかかわらず、REDアルゴリズムの安定収束は未解決の問題である。 既存のレッド理論は、凸データ忠実性項と非拡張デノイザーの安定性のみを保証する。 この研究は、ディープ・デノゲーションの非拡張性を必要としない新しいモノトーンRED(MRED)アルゴリズムを開発することでこの問題に対処する。 ランダム行列からの画像劣化と圧縮センシング回復のシミュレーションは、従来のREDアルゴリズムが分岐しても、MREDの安定性を示す。

関連論文リスト

• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。 また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• Plug-and-Play image restoration with Stochastic deNOising REgularization [8.678250057211368]
  SNORE(Denoising Regularization)と呼ばれる新しいフレームワークを提案する。 SNOREは、適切なレベルのノイズのある画像のみにデノイザを適用する。 これは明示的な正則化に基づいており、逆問題を解決するための降下につながる。
  論文  参考訳（メタデータ） (2024-02-01T18:05:47Z)
• Representing Noisy Image Without Denoising [91.73819173191076]
  ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。 従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
  論文  参考訳（メタデータ） (2023-01-18T10:13:29Z)
• Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
  暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。 提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:46:36Z)
• Unsupervised PET Reconstruction from a Bayesian Perspective [12.512270202705404]
  DeepREDはDIPと正規化を組み合わせた典型的な表現である(RED) 本稿では,ベイズ的な視点からDeepREDを活用して,教師付き情報や補助情報のない単一劣化したシングラムからPET画像の再構成を行う。
  論文  参考訳（メタデータ） (2021-10-29T06:32:21Z)
• Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
  本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。 提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
  論文  参考訳（メタデータ） (2021-07-02T11:55:40Z)
• An Interpretation of Regularization by Denoising and its Application with the Back-Projected Fidelity Term [55.34375605313277]
  RED勾配は以前の関数の(部分)階調と見なすことができるが、その点の分極バージョンで考えることができる。 本稿では, RED と Back-Projection (BP) のフィデリティ項を組み合わせることを提案する。
  論文  参考訳（メタデータ） (2021-01-27T18:45:35Z)
• Async-RED: A Provably Convergent Asynchronous Block Parallel Stochastic Method using Deep Denoising Priors [31.773305606551197]
  Denoising (RED) による正規化は、画像の先行として高度な denoiser を統合することで、逆問題を解決するための最近開発されたフレームワークである。 本稿では,非同期並列処理を実現する非同期RED(ASYNC-RED)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-03T23:55:36Z)
• Regularization by Denoising via Fixed-Point Projection (RED-PRO) [34.89374374708481]
  画像処理では、Denoising (RED) と Plug-and-Play Prior (RED) による正規化が使用される。 どちらも様々な回復作業における最先端の結果を示しているが、理論上の正当化は不完全である。
  論文  参考訳（メタデータ） (2020-08-01T09:35:22Z)
• CycleISP: Real Image Restoration via Improved Data Synthesis [166.17296369600774]
  本稿では,前向きと逆方向のカメラ画像パイプラインをモデル化するフレームワークを提案する。 リアルな合成データに基づいて新しい画像認識ネットワークをトレーニングすることにより、実際のカメラベンチマークデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-03-17T15:20:25Z)

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。