論文の概要: Fast Multi-grid Methods for Minimizing Curvature Energy

• arxiv url: http://arxiv.org/abs/2204.07921v1
• Date: Sun, 17 Apr 2022 04:34:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-19 17:05:23.459626
• Title: Fast Multi-grid Methods for Minimizing Curvature Energy
• Title（参考訳）: 曲率エネルギー最小化のための高速マルチグリッド法
• Authors: Zhenwei Zhang and Ke Chen and Yuping Duan
• Abstract要約: 平均曲率とガウス曲率エネルギー関数を最小化するための高速マルチグリッドアルゴリズムを提案する。 我々の定式化では人工パラメータは導入されず、提案アルゴリズムの堅牢性を保証する。 画像のテクスチャを復元する能力を実証するために,画像復調とCT再構成の両問題に対して数値実験を行った。
• 参考スコア（独自算出の注目度）: 6.882141405929301
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The geometric high-order regularization methods such as mean curvature and Gaussian curvature, have been intensively studied during the last decades due to their abilities in preserving geometric properties including image edges, corners, and image contrast. However, the dilemma between restoration quality and computational efficiency is an essential roadblock for high-order methods. In this paper, we propose fast multi-grid algorithms for minimizing both mean curvature and Gaussian curvature energy functionals without sacrificing the accuracy for efficiency. Unlike the existing approaches based on operator splitting and the Augmented Lagrangian method (ALM), no artificial parameters are introduced in our formulation, which guarantees the robustness of the proposed algorithm. Meanwhile, we adopt the domain decomposition method to promote parallel computing and use the fine-to-coarse structure to accelerate the convergence. Numerical experiments are presented on both image denoising and CT reconstruction problem to demonstrate the ability to recover image texture and the efficiency of the proposed method.
• Abstract（参考訳）: 平均曲率やガウス曲率などの幾何学的高次正則化法は、画像エッジ、角、画像コントラストといった幾何学的性質の保存能力のために、過去数十年間、集中的に研究されてきた。 しかし、復元品質と計算効率のジレンマは、高次手法にとって重要な障害である。 本稿では,効率を犠牲にすることなく,平均曲率とガウス曲率エネルギー汎関数の両方を最小化する高速マルチグリッドアルゴリズムを提案する。 演算子分割と拡張ラグランジアン法(ALM)に基づく既存手法とは異なり,提案アルゴリズムの堅牢性を保証する人工パラメータは導入されていない。 一方,並列計算を促進するために領域分解法を採用し,収束を加速するために細粒度構造を用いる。 画像復調とCT再構成の両問題に対して,画像テクスチャの回復能力と提案手法の効率性を示す数値実験を行った。

関連論文リスト

• A Fast Minimization Algorithm for the Euler Elastica Model Based on a Bilinear Decomposition [5.649764770305694]
  本稿では,Euler Elastica(EE)モデルのための,高速なハイブリッド交互最小化(HALM)アルゴリズムを提案する。 HALMアルゴリズムは3つの部分最小化問題を含み、それぞれが閉じた形で解かれるか、高速解法によって近似される。 数値実験の実施により,新しいアルゴリズムは高い効率で良好な結果が得られることを示した。
  論文  参考訳（メタデータ） (2023-08-25T16:15:38Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Optimizing CT Scan Geometries With and Without Gradients [7.788823739816626]
  勾配に基づく最適化アルゴリズムが、勾配のないアルゴリズムの代替となる可能性が示されている。 勾配に基づくアルゴリズムは、捕捉範囲と自由パラメータの数に対するロバスト性の観点から、勾配のないアルゴリズムに匹敵する一方で、かなり高速に収束する。
  論文  参考訳（メタデータ） (2023-02-13T10:44:41Z)
• An Operator-Splitting Method for the Gaussian Curvature Regularization Model with Applications in Surface Smoothing and Imaging [6.860238280163609]
  一般ガウス曲率モデルの演算子分割法を提案する。 提案手法は,パラメータの選択,効率,性能に敏感ではない。
  論文  参考訳（メタデータ） (2021-08-04T08:59:41Z)
• Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
  深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。 本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
  論文  参考訳（メタデータ） (2020-12-07T09:27:16Z)
• Cogradient Descent for Bilinear Optimization [124.45816011848096]
  双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。 一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。 本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
  論文  参考訳（メタデータ） (2020-06-16T13:41:54Z)
• IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
  本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。 提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。 加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
  論文  参考訳（メタデータ） (2020-06-11T18:49:06Z)
• Effective Dimension Adaptive Sketching Methods for Faster Regularized Least-Squares Optimization [56.05635751529922]
  スケッチに基づくL2正規化最小二乗問題の解法を提案する。 我々は、最も人気のあるランダム埋め込みの2つ、すなわちガウス埋め込みとサブサンプリングランダム化アダマール変換(SRHT)を考える。
  論文  参考訳（メタデータ） (2020-06-10T15:00:09Z)
• Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
  適応性は現代最適化理論において重要であるが、研究されていない性質である。 提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
  論文  参考訳（メタデータ） (2020-02-13T05:42:27Z)

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。