論文の概要: Coarse to Fine: Image Restoration Boosted by Multi-Scale Low-Rank Tensor Completion

• arxiv url: http://arxiv.org/abs/2203.15189v1
• Date: Tue, 29 Mar 2022 02:01:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-30 14:13:53.735265
• Title: Coarse to Fine: Image Restoration Boosted by Multi-Scale Low-Rank Tensor Completion
• Title（参考訳）: rough to fine: マルチスケール低ランクテンソル補完による画像復元
• Authors: Rui Lin, Cong Chen, and Ngai Wong
• Abstract要約: 本稿では,部分的に観察されたテンソルを粗い方法で復元する画像復元手法を提案する。 提案したC2F方式の優位性を実証するために実験を行った。
• 参考スコア（独自算出の注目度）: 10.010094756660425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing low-rank tensor completion (LRTC) approaches aim at restoring a partially observed tensor by imposing a global low-rank constraint on the underlying completed tensor. However, such a global rank assumption suffers the trade-off between restoring the originally details-lacking parts and neglecting the potentially complex objects, making the completion performance unsatisfactory on both sides. To address this problem, we propose a novel and practical strategy for image restoration that restores the partially observed tensor in a coarse-to-fine (C2F) manner, which gets rid of such trade-off by searching proper local ranks for both low- and high-rank parts. Extensive experiments are conducted to demonstrate the superiority of the proposed C2F scheme. The codes are available at: https://github.com/RuiLin0212/C2FLRTC.
• Abstract（参考訳）: 既存の低ランクテンソル完備化(LRTC)アプローチは、下層の完成テンソルに大域的な低ランク制約を課すことによって部分的に観測されたテンソルを復元することを目的としている。 しかし、このようなグローバルランクの仮定は、元来のディテールラッピング部分の復元と、潜在的に複雑なオブジェクトの無視の間のトレードオフに苦しめられ、両サイドでの完成性能が満足できない。 そこで本研究では,低位と高位の両方の局所的階層を検索することにより,そのようなトレードオフを解消し,部分的に観測されたテンソルを粗視するc2f(c2f)方式で復元する,新規かつ実用的な画像復元手法を提案する。 提案したC2F方式の優位性を示すため, 大規模な実験を行った。 コードはhttps://github.com/ruilin0212/c2flrtc。

関連論文リスト

• Low-rank tensor completion via tensor joint rank with logarithmic composite norm [2.5191729605585005]
  対数合成ノルム法(TJLC)を用いたテンソルジョイントランク法を提案する。 提案手法は, 観測情報が1%以下であっても良好な回復を達成し, 観測情報の増加とともに回復性能が著しく向上する。
  論文  参考訳（メタデータ） (2023-09-28T07:17:44Z)
• Guaranteed Tensor Recovery Fused Low-rankness and Smoothness [38.0243349269575]
  我々は、本質的にはテンソルの L と S の両方を同時に符号化する一意な正規化項を構築する。 これはテンソルリカバリのための全ての関連するL+S法の中では初めての正確な復元結果である。
  論文  参考訳（メタデータ） (2023-02-04T12:20:32Z)
• DifFace: Blind Face Restoration with Diffused Error Contraction [62.476329680424975]
  DifFaceは、複雑な損失設計なしで、目に見えない複雑な劣化にもっと優しく対処できる。 現在の最先端の手法よりも優れており、特に深刻な劣化の場合には優れている。
  論文  参考訳（メタデータ） (2022-12-13T11:52:33Z)
• The Equalization Losses: Gradient-Driven Training for Long-tailed Object Recognition [84.51875325962061]
  本稿では,長距離問題に対処するための勾配駆動型学習機構を提案する。 我々は、勾配駆動損失関数の新たなファミリー、すなわち等化損失を導入する。 我々の手法は一貫してベースラインモデルより優れています。
  論文  参考訳（メタデータ） (2022-10-11T16:00:36Z)
• Approaching the Limit of Image Rescaling via Flow Guidance [9.203416129039871]
  本稿では, ダウンスケーリング中に, ダウンスケールされた表現を視覚的に可視な画像に変換し, アップスケーリング中に再変換できる非可逆フロー誘導モジュール(FGM)を提案する。 ダウンスケール画像と再構成画像の両方において、最先端(SotA)のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2021-11-09T13:17:38Z)
• Model based Multi-agent Reinforcement Learning with Tensor Decompositions [52.575433758866936]
  本稿では、CPランクの低いテンソルとして遷移関数と報酬関数をモデル化することにより、未探索の状態-作用対上の状態-作用空間の一般化を考察する。 合成MDPの実験により、モデルに基づく強化学習アルゴリズムでテンソル分解を用いることで、真の遷移関数と報酬関数が実際に低ランクである場合、はるかに高速な収束が得られることが示された。
  論文  参考訳（メタデータ） (2021-10-27T15:36:25Z)
• Robust M-estimation-based Tensor Ring Completion: a Half-quadratic Minimization Approach [14.048989759890475]
  我々はM推定器を誤差統計量として用いるテンソル環完備化への頑健なアプローチを開発する。 truncatedの特異値分解と行列分解に基づくHQに基づく2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-19T04:37:50Z)
• MTC: Multiresolution Tensor Completion from Partial and Coarse Observations [49.931849672492305]
  既存の完備化の定式化は、主に1つのテンソルからの部分的な観測に依存する。 この問題を解決するために,効率的なマルチレゾリューション・コンプリート・モデル(MTC)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T02:20:03Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)
• Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
  新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。 実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
  論文  参考訳（メタデータ） (2020-10-12T08:04:24Z)
• Bayesian Low Rank Tensor Ring Model for Image Completion [44.148303000278574]
  低階テンソルリングモデルは、データ取得と変換において欠落したエントリを復元する画像補完に強力である。 本稿では,データの低階構造を自動的に学習することにより,画像補完のためのベイズ型低階テンソルリングモデルを提案する。
  論文  参考訳（メタデータ） (2020-06-29T02:58:25Z)

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。