論文の概要: Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring

• arxiv url: http://arxiv.org/abs/2204.12139v1
• Date: Tue, 26 Apr 2022 08:09:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-27 13:48:55.637414
• Title: Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring
• Title（参考訳）: 運動障害の未経験データに基づく神経性最大Aポストエリオリ推定
• Authors: Youjian Zhang, Chaoyue Wang, Dacheng Tao
• Abstract要約: 本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。 提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
• 参考スコア（独自算出の注目度）: 87.97330195531029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world dynamic scene deblurring has long been a challenging task since paired blurry-sharp training data is unavailable. Conventional Maximum A Posteriori estimation and deep learning-based deblurring methods are restricted by handcrafted priors and synthetic blurry-sharp training pairs respectively, thereby failing to generalize to real dynamic blurriness. To this end, we propose a Neural Maximum A Posteriori (NeurMAP) estimation framework for training neural networks to recover blind motion information and sharp content from unpaired data. The proposed NeruMAP consists of a motion estimation network and a deblurring network which are trained jointly to model the (re)blurring process (i.e. likelihood function). Meanwhile, the motion estimation network is trained to explore the motion information in images by applying implicit dynamic motion prior, and in return enforces the deblurring network training (i.e. providing sharp image prior). The proposed NeurMAP is an orthogonal approach to existing deblurring neural networks, and is the first framework that enables training image deblurring networks on unpaired datasets. Experiments demonstrate our superiority on both quantitative metrics and visual quality over state-of-the-art methods. Codes are available on https://github.com/yjzhang96/NeurMAP-deblur.
• Abstract（参考訳）: 実世界の動的シーンのデブラリングは、ペアのぼやけたシャープなトレーニングデータが利用できないため、長い間困難な作業でした。 従来の最大Aポストリオ推定法と深層学習に基づくデブロアリング法は,それぞれ手作り事前と合成ぼやけたシャープトレーニングペアによって制限されるため,実際の動的ぼやけに一般化できない。 この目的のために,ニューラルネットワークをトレーニングし,失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。 提案したNeruMAPは,(再)ブラリング過程(可能性関数)をモデル化するために共同で訓練された動き推定ネットワークと遅延ネットワークから構成される。 一方、動き推定ネットワークは、前もって暗黙の動的動きを適用して画像内の動き情報を探索するように訓練され、その代わりに遅延ネットワークトレーニング(即ち、シャープな画像を提供する)を実施する。 提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対する直交的なアプローチであり、未ペアデータセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。 実験は、最先端の手法よりも定量的メトリクスと視覚的品質の両方に優位性を示す。 コードはhttps://github.com/yjzhang96/neurmap-deblurで入手できる。

関連論文リスト

• Learning a Neural Association Network for Self-supervised Multi-Object Tracking [34.07776597698471]
  本稿では,多目的追跡のためのデータアソシエーションを自己管理的に学習するための新しいフレームワークを提案する。 実世界のシナリオでは、オブジェクトの動きが通常マルコフプロセスで表現できるという事実により、我々は、トラッキングのための検出を関連付けるためにニューラルネットワークをトレーニングする新しい期待(EM)アルゴリズムを提案する。 我々は,挑戦的なMOT17とMOT20データセットに対するアプローチを評価し,自己教師付きトラッカーと比較して最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-11-18T12:22:29Z)
• Application of Deep Learning in Blind Motion Deblurring: Current Status and Future Prospects [7.198959621445282]
  ブラインド・モーション・デブロワーリングは、ぼやけの種類を事前に知ることなく、鮮明で詳細な画像を復元することを目的としている。 本稿では,過去6年間に開発されたデータセット,評価指標,手法を網羅し,視覚障害者の深層学習の役割を概観する。
  論文  参考訳（メタデータ） (2024-01-10T10:30:18Z)
• Blind Motion Deblurring with Pixel-Wise Kernel Estimation via Kernel Prediction Networks [0.0]
  本研究では,高密度な非一様動きのぼかし推定に基づく学習に基づく動きのぼかし手法を提案する。 我々は、畳み込みに基づく、一様でない運動ぼかし劣化モデルに基づいて合成されたシャープ/ブルーのペアでネットワークを訓練する。
  論文  参考訳（メタデータ） (2023-08-05T20:23:13Z)
• Globally Optimal Training of Neural Networks with Threshold Activation Functions [63.03759813952481]
  しきい値アクティベートを伴うディープニューラルネットワークの重み劣化正規化学習問題について検討した。 ネットワークの特定の層でデータセットを破砕できる場合に、簡易な凸最適化の定式化を導出する。
  論文  参考訳（メタデータ） (2023-03-06T18:59:13Z)
• Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction [62.691996239590125]
  本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。 我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。 本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
  論文  参考訳（メタデータ） (2022-05-16T06:49:36Z)
• Retrieval Augmentation to Improve Robustness and Interpretability of Deep Neural Networks [3.0410237490041805]
  本研究では,深層ニューラルネットワークの堅牢性と解釈性を改善するために,トレーニングデータを積極的に活用する。 具体的には、LSTMモデルのメモリ状態を初期化したり、注意機構を誘導するために、最も近い入力例のターゲットを用いる。 その結果,Flickr8 と IMDB の2つのタスクに対して提案したモデルの有効性が示された。
  論文  参考訳（メタデータ） (2021-02-25T17:38:31Z)
• Learning Neural Network Subspaces [74.44457651546728]
  近年の観測は,ニューラルネットワーク最適化の展望の理解を深めている。 1つのモデルのトレーニングと同じ計算コストで、高精度ニューラルネットワークの線、曲線、単純軸を学習します。 1つのモデルのトレーニングと同じ計算コストで、高精度ニューラルネットワークの線、曲線、単純軸を学習します。
  論文  参考訳（メタデータ） (2021-02-20T23:26:58Z)
• An Effective and Efficient Initialization Scheme for Training Multi-layer Feedforward Neural Networks [5.161531917413708]
  本稿では,有名なスタインの身元に基づく新しいネットワーク初期化手法を提案する。 提案したSteinGLM法は、ニューラルネットワークのトレーニングによく使われる他の一般的な手法よりもはるかに高速で高精度であることを示す。
  論文  参考訳（メタデータ） (2020-05-16T16:17:37Z)
• Compressive sensing with un-trained neural networks: Gradient descent finds the smoothest approximation [60.80172153614544]
  訓練されていない畳み込みニューラルネットワークは、画像の回復と復元に非常に成功したツールとして登場した。 トレーニングされていない畳み込みニューラルネットワークは、ほぼ最小限のランダムな測定値から、十分に構造化された信号や画像を概ね再構成可能であることを示す。
  論文  参考訳（メタデータ） (2020-05-07T15:57:25Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。