Fugu-MT 論文翻訳(概要): Convolutional Simultaneous Sparse Approximation with Applications to RGB-NIR Image Fusion

論文の概要: Convolutional Simultaneous Sparse Approximation with Applications to RGB-NIR Image Fusion

arxiv url: http://arxiv.org/abs/2203.09913v1
Date: Fri, 18 Mar 2022 12:44:44 GMT
ステータス: 処理完了
システム内更新日: 2022-03-21 13:49:05.015644
Title: Convolutional Simultaneous Sparse Approximation with Applications to RGB-NIR Image Fusion
Title（参考訳）: 畳み込み同時スパース近似とRGB-NIR画像融合への応用
Authors: Farshad G. Veshki, Sergiy A. Vorobyov
Abstract要約: 乗算器の交互方向法に基づく畳み込みSSAのアルゴリズムを提案する。提案アルゴリズムをマルチモーダル・マルチフォーカス画像融合問題に適用して評価する。
参考スコア（独自算出の注目度）: 32.90534837348151
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Simultaneous sparse approximation (SSA) seeks to represent a set of dependent signals using sparse vectors with identical supports. The SSA model has been used in various signal and image processing applications involving multiple correlated input signals. In this paper, we propose algorithms for convolutional SSA (CSSA) based on the alternating direction method of multipliers. Specifically, we address the CSSA problem with different sparsity structures and the convolutional feature learning problem in multimodal data/signals based on the SSA model. We evaluate the proposed algorithms by applying them to multimodal and multifocus image fusion problems.
Abstract（参考訳）: 同時スパース近似(SSA)は、同一の支持を持つスパースベクトルを用いて依存信号の集合を表現する。 SSAモデルは、複数の相関入力信号を含む様々な信号および画像処理アプリケーションで使われている。本稿では,乗算器の交互方向法に基づく畳み込みSSA(CSSA)のアルゴリズムを提案する。具体的には、SSAモデルに基づくマルチモーダルデータ/信号における空間構造が異なるCSSA問題と畳み込み特徴学習問題に対処する。提案アルゴリズムをマルチモーダル・マルチフォーカス画像融合問題に適用して評価する。

関連論文リスト

Multi-Feature Aggregation in Diffusion Models for Enhanced Face Super-Resolution [6.055006354743854]
超解像を生成するために,複数の低画質画像から抽出した特徴と組み合わせた低解像度画像を利用するアルゴリズムを開発した。他のアルゴリズムとは異なり、我々のアプローチは属性情報を明示的に提供せずに顔の特徴を復元する。これは、高解像度画像と低解像度画像を組み合わせて、より信頼性の高い超高解像度画像を生成するコンディショナーとして初めて使用される。
論文参考訳（メタデータ） (2024-08-27T20:08:33Z)
MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。実験により,提案手法が現在の先行手法を超越していることが実証された。
論文参考訳（メタデータ） (2024-01-19T04:40:20Z)
A Multi-Stage Adaptive Feature Fusion Neural Network for Multimodal Gait Recognition [15.080096318551346]
多くの既存の歩行認識アルゴリズムは単調であり、少数のマルチモーダル歩行認識アルゴリズムは一度だけマルチモーダル融合を行う。特徴抽出プロセスの異なる段階において多段階の融合を行う多段階特徴融合戦略(MSFFS)を提案する。また,シルエットと骨格のセマンティックな関連性を考慮したAFFM(Adaptive Feature fusion Module)を提案する。
論文参考訳（メタデータ） (2023-12-22T03:25:15Z)
Difference of Anisotropic and Isotropic TV for Segmentation under Blur and Poisson Noise [2.6381163133447836]
画像をスムーシング・アンド・スレッディング(SaT)セグメンテーションフレームワークを採用して、スムースなソリューションを見つけ、次に$k-meansで画像のセグメンテーションを行う。具体的には、画像平滑化ステップにおいて、ムムフォードシャーモデルの最大雑音を正則化として、異方性全変動(AITV)の最大変動に置き換える。スキームの有効性を検証するための収束解析が提供される。
論文参考訳（メタデータ） (2023-01-06T01:14:56Z)
f-DM: A Multi-stage Diffusion Model via Progressive Signal Transformation [56.04628143914542]
拡散モデル(DM)は、最近、様々な領域で生成モデリングを行うためのSoTAツールとして登場した。本稿では、プログレッシブ信号変換が可能なDMの一般化されたファミリであるf-DMを提案する。我々は、ダウンサンプリング、ぼやけ、学習された変換を含む様々な機能を持つ画像生成タスクにf-DMを適用した。
論文参考訳（メタデータ） (2022-10-10T18:49:25Z)
Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
論文参考訳（メタデータ） (2022-03-09T16:17:47Z)
AsySQN: Faster Vertical Federated Learning Algorithms with Better Computation Resource Utilization [159.75564904944707]
垂直連合学習(VFL)のための非同期準ニュートン(AsySQN)フレームワークを提案する。提案アルゴリズムは、逆ヘッセン行列を明示的に計算することなく、近似して降下ステップをスケールする。本稿では,非同期計算を採用することにより,計算資源の有効利用が期待できることを示す。
論文参考訳（メタデータ） (2021-09-26T07:56:10Z)
Fast computation of mutual information in the frequency domain with applications to global multimodal image alignment [3.584984184069584]
情報理論における相互情報(MI)の概念は,多モードアライメントプロセスの導出のための類似度尺度として広く用いられている。すべての離散空間変位に対する計算MIの効率的なアルゴリズムを提案する。提案手法の有効性を3つのベンチマークデータセットで評価した。
論文参考訳（メタデータ） (2021-06-28T13:27:05Z)
MuCAN: Multi-Correspondence Aggregation Network for Video Super-Resolution [63.02785017714131]
ビデオ超解像(VSR)は、複数の低解像度フレームを使用して、各フレームに対して高解像度の予測を生成することを目的としている。フレーム間およびフレーム内は、時間的および空間的情報を利用するための鍵となるソースである。 VSRのための効果的なマルチ対応アグリゲーションネットワーク(MuCAN)を構築した。
論文参考訳（メタデータ） (2020-07-23T05:41:27Z)
CoMIR: Contrastive Multimodal Image Representation for Registration [4.543268895439618]
我々は,CoMIR(Contrastive Multimodal Image Representations)と呼ばれる,共有された高密度画像表現を学習するためのコントラスト符号化を提案する。 CoMIRは、十分に類似した画像構造が欠如しているため、既存の登録方法がしばしば失敗するマルチモーダル画像の登録を可能にする。
論文参考訳（メタデータ） (2020-06-11T10:51:33Z)

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。