論文の概要: Novel Consistency Check For Fast Recursive Reconstruction Of
Non-Regularly Sampled Video Data
- arxiv url: http://arxiv.org/abs/2203.09200v1
- Date: Thu, 17 Mar 2022 09:46:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-18 16:01:32.081959
- Title: Novel Consistency Check For Fast Recursive Reconstruction Of
Non-Regularly Sampled Video Data
- Title（参考訳）: 非正規サンプリングビデオデータの高速再帰的再構成のための新しい一貫性チェック
- Authors: Simon Grosche and J\"urgen Seiler and Andr\'e Kaup
- Abstract要約: クォーターサンプリングは、ピクセル数を増やすことなく高解像度画像の取得を可能にする新しいセンサー設計である。
ここでは、以前のフレームで測定された画素を現在のフレームに投影し、その再構成を支援する。
運動ベクトルのいくつかは誤りである可能性があるため、適切な整合性検査を行うことが重要である。
- 参考スコア（独自算出の注目度）: 1.2891210250935146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quarter sampling is a novel sensor design that allows for an acquisition of
higher resolution images without increasing the number of pixels. When being
used for video data, one out of four pixels is measured in each frame.
Effectively, this leads to a non-regular spatio-temporal sub-sampling. Compared
to purely spatial or temporal sub-sampling, this allows for an increased
reconstruction quality, as aliasing artifacts can be reduced. For the fast
reconstruction of such sensor data with a fixed mask, recursive variant of
frequency selective reconstruction (FSR) was proposed. Here, pixels measured in
previous frames are projected into the current frame to support its
reconstruction. In doing so, the motion between the frames is computed using
template matching. Since some of the motion vectors may be erroneous, it is
important to perform a proper consistency checking. In this paper, we propose
faster consistency checking methods as well as a novel recursive FSR that uses
the projected pixels different than in literature and can handle dynamic masks.
Altogether, we are able to significantly increase the reconstruction quality by
+ 1.01 dB compared to the state-of-the-art recursive reconstruction method
using a fixed mask. Compared to a single frame reconstruction, an average gain
of about + 1.52 dB is achieved for dynamic masks. At the same time, the
computational complexity of the consistency checks is reduced by a factor of 13
compared to the literature algorithm.
- Abstract（参考訳）: クォーターサンプリングは、ピクセル数を増やすことなく高解像度画像の取得を可能にする新しいセンサー設計である。
ビデオデータに使用される場合、各フレームで4ピクセル中1ピクセルが測定される。
事実上、これは非正規時空間サブサンプリングにつながる。
純粋に空間的なサブサンプリングや時間的なサブサンプリングと比較して、エイリアスやアーティファクトを削減できるため、コンストラクションの品質が向上する。
固定マスクを用いたセンサデータの高速再構成のために、周波数選択的再構成(FSR)の再帰的変種を提案した。
ここで、前のフレームで測定された画素を現在のフレームに投影し、その再構成をサポートする。
これにより、フレーム間の動きをテンプレートマッチングを用いて計算する。
動きベクトルのいくつかは誤りである可能性があるため、適切な一貫性チェックを行うことが重要である。
本稿では,文献とは異なる投影画素を用いて動的マスクを処理可能な新しい再帰的fsrと同様に,より高速な一貫性チェック手法を提案する。
総じて,固定マスクを用いた再帰的再構築法と比較して,復元品質を+1.01db向上させることができた。
単一のフレーム再構成と比較すると、ダイナミックマスクでは平均ゲインが約1.52dBに達する。
同時に、一貫性チェックの計算複雑性を文献アルゴリズムと比較して13倍に削減する。
関連論文リスト
- Video Frame Interpolation with Many-to-many Splatting and Spatial
Selective Refinement [83.60486465697318]
本稿では,フレームを効率的に補間するM2Mスプレイティングフレームワークを提案する。
入力フレームペアごとに、M2Mは任意の数のフレーム間を補間する際の計算オーバーヘッドが極小である。
フレキシブルな空間選択リファインメント(Spatial Selective Refinement)コンポーネントを導入して,M2M++フレームワークを拡張した。
論文 参考訳（メタデータ） (2023-10-29T09:09:32Z) - Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。
ストレージの要求が大きいため、一般ユーザからは広く採用されていない。
本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-21T06:59:07Z) - Unfolding Framework with Prior of Convolution-Transformer Mixture and
Uncertainty Estimation for Video Snapshot Compressive Imaging [7.601695814245209]
本稿では, 連続する高速フレームを異なるマスクで変調し, 単一の計測でキャプチャする, ビデオスナップショット圧縮画像(SCI)の問題点について考察する。
最適化アルゴリズムとニューラルネットワークを組み合わせることで、ディープ・アンフォールディング・ネットワーク(DUN)は、逆問題の解決において大きな成果を上げた。
論文 参考訳（メタデータ） (2023-06-20T06:25:48Z) - Making Reconstruction-based Method Great Again for Video Anomaly
Detection [64.19326819088563]
ビデオの異常検出は重要な問題だが、難しい問題だ。
既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。
連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
論文 参考訳（メタデータ） (2023-01-28T01:57:57Z) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳（メタデータ） (2022-08-17T03:42:19Z) - Single-pass Object-adaptive Data Undersampling and Reconstruction for
MRI [6.599344783327054]
本稿では,畳み込みニューラルネットワークMNetを用いたデータ駆動型サンプリング手法を提案する。
ネットワークは、各オブジェクトに対する非常に限られた低周波k空間データを観測し、所望のアンダーサンプリングパターンを迅速に予測する。
高速MRI膝関節データセットの実験結果から,提案した学習アンダーサンプリングネットワークを用いて,4倍,8倍の加速度で物体特異的マスクを生成できることが示された。
論文 参考訳（メタデータ） (2021-11-17T16:06:06Z) - CodEx: A Modular Framework for Joint Temporal De-blurring and
Tomographic Reconstruction [2.4491332399664616]
CodExblurは、トモグラフィ再構築を共同で行うためのモジュラーフレームワークである。
シミュレーションデータと実験データを用いて,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2021-11-11T06:33:58Z) - Real-time FPGA Design for OMP Targeting 8K Image Reconstruction [9.060598464676435]
Orthogonal Matching Pursuit (OMP) は、ハードウェア実装において最も広く使われている再構成アルゴリズムである。
Dot Product (DP) と Least Square Problem (LSP) が含まれている。
これら2つの部分は、多くの除算計算と相当なベクトルベースの乗算を持ち、ハードウェア上のリアルタイム再構成の実装を制限している。
本稿では,OMP再構成を最適化し,再構成効率のボトルネックを解消するために,疎性であり,主にベクトルを含むセンサマトリックスを採用する。
論文 参考訳（メタデータ） (2021-10-10T06:08:35Z) - ReconResNet: Regularised Residual Learning for MR Image Reconstruction
of Undersampled Cartesian and Radial Data [0.3694429692322631]
データの一部(アンダーサンプリング)を無視して取得速度を上げることができる
これにより、解像度の低下や画像アーティファクトの導入など、画質が劣化する。
深層学習は研究の非常に重要な分野として現れ、逆問題の解決に大きな可能性を示してきました。
論文 参考訳（メタデータ） (2021-03-16T17:24:30Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳（メタデータ） (2021-03-01T19:19:38Z) - Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering
Incorporating Morphological Reconstruction and Wavelet Frames for Image
Segmentation [152.609322951917]
そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。
提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
論文 参考訳（メタデータ） (2020-02-21T05:19:10Z)
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。