論文の概要: Denoising-based image reconstruction from pixels located at non-integer
positions
- arxiv url: http://arxiv.org/abs/2205.11202v1
- Date: Mon, 23 May 2022 11:12:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-25 07:34:53.831569
- Title: Denoising-based image reconstruction from pixels located at non-integer
positions
- Title(参考訳): 非整数位置における画素からのノイズに基づく画像再構成
- Authors: J\'an Koloda, J\"urgen Seiler and Andr\'e Kaup
- Abstract要約: 三角法に基づく再構成を初期推定として用いることを提案する。
初期推定値に関して、最大1.8dB(PSNR)以上の改善が達成される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital images are commonly represented as regular 2D arrays, so pixels are
organized in form of a matrix addressed by integers. However, there are many
image processing operations, such as rotation or motion compensation, that
produce pixels at non-integer positions. Typically, image reconstruction
techniques cannot handle samples at non-integer positions. In this paper, we
propose to use triangulation-based reconstruction as initial estimate that is
later refined by a novel adaptive denoising framework. Simulations reveal that
improvements of up to more than 1.8 dB (in terms of PSNR) are achieved with
respect to the initial estimate.
- Abstract(参考訳): デジタル画像は通常の2d配列として表されるので、ピクセルは整数で表される行列として構成される。
しかし、回転や動き補償のような多くの画像処理操作があり、非整数位置でピクセルを生成する。
通常、画像再構成技術は非整数位置でのサンプルを処理できない。
本稿では,新しい適応分別フレームワークにより後から洗練される初期推定として三角測量に基づく再構成法を提案する。
シミュレーションにより、初期推定値に対して1.8dB(PSNR)以上の改善が達成されていることが明らかとなった。
関連論文リスト
- Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。
新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。
増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文 参考訳(メタデータ) (2023-08-10T12:53:30Z) - RelPose++: Recovering 6D Poses from Sparse-view Observations [66.6922660401558]
スパースビュー画像集合(2-8画像)から6次元カメラポーズを推定する作業に対処する。
我々は,画像対上の相対回転よりも分布を推定するネットワークを学習するRelPoseフレームワークを構築した。
最終システムは,先行技術よりも6次元ポーズ予測を大幅に改善する。
論文 参考訳(メタデータ) (2023-05-08T17:59:58Z) - $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D
Reconstruction [97.06927852165464]
単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。
条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
論文 参考訳(メタデータ) (2023-02-21T13:37:07Z) - Unsupervised Superpixel Generation using Edge-Sparse Embedding [18.92698251515116]
特徴に対する画素の類似性に基づいて画像をスーパーピクセルに分割することは、データの複雑さを著しく減らし、その後の画像処理タスクを改善する。
コントラストの少ない非畳み込み画像デコーダを提案し、再構成画像にスムーズで接続されたエッジを強制する。
我々はデコーダの最後に隠された層から、余分な空間情報をスムーズなアクティベーションマップに符号化してエッジスパース画素埋め込みを生成し、標準クラスタリングアルゴリズムを用いて高品質なスーパーピクセルを抽出する。
論文 参考訳(メタデータ) (2022-11-28T15:55:05Z) - Pixel-Perfect Structure-from-Motion with Featuremetric Refinement [96.73365545609191]
複数視点からの低レベル画像情報を直接アライメントすることで、動きからの2つの重要なステップを洗練する。
これにより、様々なキーポイント検出器のカメラポーズとシーン形状の精度が大幅に向上する。
本システムは,大規模な画像コレクションに容易にスケールできるので,クラウドソースによる大規模なローカライゼーションを実現することができる。
論文 参考訳(メタデータ) (2021-08-18T17:58:55Z) - Adversarial Generation of Continuous Images [31.92891885615843]
本稿では,INRに基づく画像デコーダ構築のための2つの新しいアーキテクチャ手法を提案する。
私たちは、最先端の連続画像GANを構築するためにそれらを使用します。
提案したINR-GANアーキテクチャは連続画像生成装置の性能を数倍改善する。
論文 参考訳(メタデータ) (2020-11-24T11:06:40Z) - Using the discrete radon transformation for grayscale image moments [0.0]
グレースケール画像の生画像モーメントを計算するために離散ラドン変換を用いたアルゴリズムの概要を述べる。
2次元モーメント計算を1次元モーメント計算の線形結合に還元する。
その結果,O(N + M) の倍数化はO(N + M) を高速にし,最も広く使われている生画像モーメントのアルゴリズムであることが判明した。
論文 参考訳(メタデータ) (2020-08-25T14:55:53Z) - Locally Masked Convolution for Autoregressive Models [107.4635841204146]
LMConvは標準的な2Dコンボリューションの簡単な修正であり、任意のマスクを画像の各位置の重みに適用することができる。
我々は,パラメータを共有するが生成順序が異なる分布推定器のアンサンブルを学習し,全画像密度推定の性能を向上させる。
論文 参考訳(メタデータ) (2020-06-22T17:59:07Z) - Unsupervised Sparse-view Backprojection via Convolutional and Spatial
Transformer Networks [8.564644163856318]
本研究では,非教師付きスパースビューバックプロジェクションアルゴリズムを導入する。
提案アルゴリズムはプロジェクション角が非常に粗い場合にフィルタバックプロジェクションを著しく上回る。
本手法は医用画像および他の画像モダリティに実用的応用がある。
論文 参考訳(メタデータ) (2020-06-01T05:02:53Z) - Depth Completion Using a View-constrained Deep Prior [73.21559000917554]
近年の研究では、畳み込みニューラルネットワーク(CNN)の構造が、自然画像に有利な強い先行性をもたらすことが示されている。
この前者はディープ・イメージ・先行 (DIP) と呼ばれ、画像の装飾や塗装といった逆問題において有効な正則化器である。
我々は、DIPの概念を深度画像に拡張し、色画像とノイズと不完全な目標深度マップから、CNNネットワーク構造を先行して復元された深度マップを再構成する。
論文 参考訳(メタデータ) (2020-01-21T21:56:01Z)
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。