Fugu-MT 論文翻訳(概要): An Efficient Calculation of Quaternion Correlation of Signals and Color Images

論文の概要: An Efficient Calculation of Quaternion Correlation of Signals and Color Images

arxiv url: http://arxiv.org/abs/2205.05113v1
Date: Tue, 10 May 2022 18:30:31 GMT
ステータス: 処理完了
システム内更新日: 2022-05-14 08:22:35.841011
Title: An Efficient Calculation of Quaternion Correlation of Signals and Color Images
Title（参考訳）: 信号とカラー画像の四次相関の効率的な計算法
Authors: Artyom M. Grigoryan and Sos S. Agaian
Abstract要約: 本稿では,四元数代数における信号とカラー画像の相関関数の効率的な計算法について述べる。カラー画像の相関の複雑さは複素代数の3倍である。
参考スコア（独自算出の注目度）: 3.6296396308298795
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Over the past century, a correlation has been an essential mathematical technique utilized in engineering sciences, including practically every signal/image processing field. This paper describes an effective method of calculating the correlation function of signals and color images in quaternion algebra. We propose using the quaternions with a commutative multiplication operation and defining the corresponding correlation function in this arithmetic. The correlation between quaternion signals and images can be calculated by multiplying two quaternion DFTs of signals and images. The complexity of the correlation of color images is three times higher than in complex algebra.
Abstract（参考訳）: 過去1世紀にわたり、相関関係は工学科学において不可欠な数学的手法であり、事実上全ての信号/画像処理分野を含んでいる。本稿では,四元数代数における信号とカラー画像の相関関数の計算法について述べる。本稿では,可換乗算演算を用いた四元数を用いて,対応する相関関数を定義する。四元数信号と画像の相関は、信号と画像の四元数DFTを掛け合わせることで計算できる。カラー画像の相関の複雑さは複素代数の3倍である。
全文参考訳へのリンク

関連論文リスト

Exploring the Adjugate Matrix Approach to Quaternion Pose Extraction [0.0]
四元数はコンピュータグラフィックス、マシンビジョン、ロボット工学における様々な回転に関する問題にとって重要である。四元数と回転行列の関係の非自明な幾何学を、関連する固有値問題の特性方程式の随伴行列を利用して研究する。 3次元正弦波最小二乗抽出問題の正確な解を見つけ,既存の手法を改良した結果の抽出問題にも有効に適用する。
論文参考訳（メタデータ） (2022-05-17T23:20:55Z)
Detecting Recolored Image by Spatial Correlation [60.08643417333974]
画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
論文参考訳（メタデータ） (2022-04-23T01:54:06Z)
Quaternion Optimized Model with Sparse Regularization for Color Image Recovery [10.137095668835439]
本論文は、音声フォーマットや画像を含む様々な信号タイプが、それぞれのベースに対して本質的に疎い構造を持っているという事実に着想を得たものである。色画像は四元数領域で全体として処理できるため、四元数離散コサイン変換(QDCT)領域における色画像の空間性について記述した。より優れた低ランク近似を実現するために、提案モデルでは、クォーテリオンベースのトランケート核ノルム(QTNN)が採用されている。
論文参考訳（メタデータ） (2022-04-19T03:07:12Z)
On Similarity [1.0152838128195467]
我々は、2つのスカラー値のクロネッカーのデルタ関数を類似度定量化の原典型的基準とする原理的アプローチを開発する。スカラー値の符号を考慮に入れたこれらの指標の一般化は、実空間の多重集合、ベクトル、関数に提示され、発展する。ジャカード指数をクロネッカーのデルタ関数の帰納的実装として解釈するなど、いくつかの重要な結果が得られた。
論文参考訳（メタデータ） (2021-11-02T11:13:39Z)
Meta-Learning Sparse Implicit Neural Representations [69.15490627853629]
入射神経表現は、一般的な信号を表す新しい道である。現在のアプローチは、多数の信号やデータセットに対してスケールすることが難しい。メタ学習型スパースニューラル表現は,高密度メタ学習モデルよりもはるかに少ない損失が得られることを示す。
論文参考訳（メタデータ） (2021-10-27T18:02:53Z)
Seeing Implicit Neural Representations as Fourier Series [13.216389226310987]
Inlicit Neural Representation (INR)は低次元問題領域における高周波関数を表現するために多層パーセプトロンを使用する。これらの表現は、複雑な3Dオブジェクトやシーンに関連するタスクについて、最先端の結果を得た。この研究は2つの方法間の接続を分析し、フーリエ写像されたパーセプトロンが構造的に1つの隠蔽層SIRENと似ていることを示す。
論文参考訳（メタデータ） (2021-09-01T08:40:20Z)
Tesseract: Tensorised Actors for Multi-Agent Reinforcement Learning [92.05556163518999]
MARLは、コミュニケーションと可観測性に様々な制約を課すことによって、問題を悪化させる。値ベースの手法では、最適な値関数を正確に表現することが課題となる。政策勾配法では、批判者の訓練を困難にし、遅れる批判者の問題を悪化させる。学習理論の観点からは、関連するアクション値関数を正確に表現することで、両方の問題に対処できることが示される。
論文参考訳（メタデータ） (2021-05-31T23:08:05Z)
Extreme Rotation Estimation using Dense Correlation Volumes [73.35119461422153]
本稿では,RGB画像対の相対的な3次元回転を極端に推定する手法を提案する。画像が重なり合わなくても、それらの幾何学的関係に関して豊富な隠れた手がかりがあるかもしれないと観察する。本稿では,2つの入力画像間の全ての点を比較することで,そのような暗黙の手がかりを自動的に学習できるネットワーク設計を提案する。
論文参考訳（メタデータ） (2021-04-28T02:00:04Z)
Recognizing and Verifying Mathematical Equations using Multiplicative Differential Neural Units [86.9207811656179]
メモリ拡張ニューラルネットワーク(NN)は、高次、メモリ拡張外挿、安定した性能、より高速な収束を実現することができることを示す。本モデルでは,現在の手法と比較して1.53%の精度向上を達成し,2.22%のtop-1平均精度と2.96%のtop-5平均精度を達成している。
論文参考訳（メタデータ） (2021-04-07T03:50:11Z)
Learning Optical Flow from a Few Matches [67.83633948984954]
密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
論文参考訳（メタデータ） (2021-04-05T21:44:00Z)
Noise Reduction in X-ray Photon Correlation Spectroscopy with Convolutional Neural Networks Encoder-Decoder Models [0.0]
2時間相関関数における信号対雑音比を改善するための計算手法を提案する。 CNN-EDモデルは、畳み込みニューラルネットワークデコーダ(CNN-ED)モデルに基づいている。実世界の実験データに基づいて訓練されたCNN-EDモデルにより,2時間相関関数から平衡力学パラメータを効果的に抽出できることが実証された。
論文参考訳（メタデータ） (2021-02-07T18:38:59Z)

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。