論文の概要: Imaging with Equivariant Deep Learning

• arxiv url: http://arxiv.org/abs/2209.01725v1
• Date: Mon, 5 Sep 2022 02:13:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-07 14:54:53.427828
• Title: Imaging with Equivariant Deep Learning
• Title（参考訳）: 等変深層学習によるイメージング
• Authors: Dongdong Chen, Mike Davies, Matthias J. Ehrhardt, Carola-Bibiane Sch\"onlieb, Ferdia Sherry, Juli\'an Tachella
• Abstract要約: 我々は、同変イメージングの出現する分野を概観し、それが一般化と新たなイメージングの機会をいかに向上させるかを示す。 獲得物理と集団行動の相互作用と、反復的再構成、ブラインド圧縮センシング、自己教師型学習との関連を示す。
• 参考スコア（独自算出の注目度）: 9.333799633608345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: From early image processing to modern computational imaging, successful models and algorithms have relied on a fundamental property of natural signals: symmetry. Here symmetry refers to the invariance property of signal sets to transformations such as translation, rotation or scaling. Symmetry can also be incorporated into deep neural networks in the form of equivariance, allowing for more data-efficient learning. While there has been important advances in the design of end-to-end equivariant networks for image classification in recent years, computational imaging introduces unique challenges for equivariant network solutions since we typically only observe the image through some noisy ill-conditioned forward operator that itself may not be equivariant. We review the emerging field of equivariant imaging and show how it can provide improved generalization and new imaging opportunities. Along the way we show the interplay between the acquisition physics and group actions and links to iterative reconstruction, blind compressed sensing and self-supervised learning.
• Abstract（参考訳）: 初期の画像処理から現代の計算イメージングまで、成功したモデルとアルゴリズムは自然信号の基本的な特性である対称性に依存してきた。 ここでの対称性は、信号集合の変換(変換、回転、スケーリング)への不変性を指す。 対称性は、等価性の形でディープニューラルネットワークに組み込むこともできるため、よりデータ効率のよい学習が可能になる。 近年、画像分類のためのエンド・ツー・エンドの同変ネットワークの設計において重要な進歩があるが、計算画像は、通常、不規則なフォワード演算子を通してのみ像を観察するので、等変ネットワークソリューションに固有の課題をもたらす。 本稿では,同変イメージングの新興分野を概観し,その一般化と新たなイメージング機会をいかに提供できるかを示す。 その過程で,獲得物理学と集団行動の相互作用,反復的再構築,盲目圧縮センシング,自己監督学習との関連を示す。

関連論文リスト

• Invariant Shape Representation Learning For Image Classification [41.610264291150706]
  本稿では,不変形状表現学習(ISRL)を初めて開発した新しいフレームワークを提案する。 我々のモデルISRLは、変形可能な変換によってパラメータ化される潜在形状空間における不変特徴を共同でキャプチャするように設計されている。 異なる環境にターゲット変数に関して不変な機能を埋め込むことで、我々のモデルは一貫してより正確な予測を提供する。
  論文  参考訳（メタデータ） (2024-11-19T03:39:43Z)
• Equivariant plug-and-play image reconstruction [10.781078029828473]
  プラグ・アンド・プレイのアルゴリズムは、強力な事前訓練されたデノイザを利用して、逆画像の問題を解決することができる。 復号器上のある種の変換群に等しくなると、アルゴリズムの安定性が向上し、再構成品質が向上することを示す。 複数の画像モダリティとデノナイジングネットワークの実験により、同変プラグ・アンド・プレイ・アルゴリズムは再構成性能と安定性の両方を、同変でないものと比較して改善することを示した。
  論文  参考訳（メタデータ） (2023-12-04T12:07:39Z)
• Unsupervised Learning of Invariance Transformations [105.54048699217668]
  近似グラフ自己同型を見つけるためのアルゴリズムフレームワークを開発する。 重み付きグラフにおける近似自己同型を見つけるために、このフレームワークをどのように利用できるかについて議論する。
  論文  参考訳（メタデータ） (2023-07-24T17:03:28Z)
• SO(2) and O(2) Equivariance in Image Recognition with Bessel-Convolutional Neural Networks [63.24965775030674]
  この研究はベッセル畳み込みニューラルネットワーク(B-CNN)の開発を示す B-CNNは、ベッセル関数に基づく特定の分解を利用して、画像とフィルタの間のキー操作を変更する。 他の手法と比較して,B-CNNの性能を評価するために検討を行った。
  論文  参考訳（メタデータ） (2023-04-18T18:06:35Z)
• The Lie Derivative for Measuring Learned Equivariance [84.29366874540217]
  我々は、CNN、トランスフォーマー、ミキサーアーキテクチャにまたがる数百の事前訓練されたモデルの同値性について検討する。 その結果,不等式違反の多くは,不等式などのユビキタスネットワーク層における空間エイリアスに関連付けられることがわかった。 例えば、トランスはトレーニング後の畳み込みニューラルネットワークよりも同種である。
  論文  参考訳（メタデータ） (2022-10-06T15:20:55Z)
• Leveraging Equivariant Features for Absolute Pose Regression [9.30597356471664]
  変換と回転の同変である畳み込みニューラルネットワークは,カメラの動きの表現を直接特徴空間に誘導することを示す。 次に、この幾何学的性質により、画像平面保存変換の全グループの下でトレーニングデータを暗黙的に増大させることができることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:44:20Z)
• Equivariant neural networks for inverse problems [1.7942265700058986]
  群同変畳み込み演算は自然に学習された再構成法に組み込むことができることを示す。 近位作用素を群等価畳み込みニューラルネットワークとしてモデル化する学習反復手法を設計した。
  論文  参考訳（メタデータ） (2021-02-23T05:38:41Z)
• Meta-Learning Symmetries by Reparameterization [63.85144439337671]
  データから対応するパラメータ共有パターンを学習し、等価性をネットワークに学習し、符号化する手法を提案する。 本実験は,画像処理タスクで使用される共通変換に等価性をエンコードして自動的に学習できることを示唆する。
  論文  参考訳（メタデータ） (2020-07-06T17:59:54Z)
• Group Equivariant Generative Adversarial Networks [7.734726150561089]
  本研究では,グループ同変畳み込みネットワークを通じて,帰納的対称性をネットワークアーキテクチャに明示的に組み込む。 群変換はより表現力が高く、サンプルが少ないため、ジェネレータと判別器の間の勾配フィードバックが向上する。
  論文  参考訳（メタデータ） (2020-05-04T17:38:49Z)
• Generalizing Convolutional Neural Networks for Equivariance to Lie Groups on Arbitrary Continuous Data [52.78581260260455]
  任意の特定のリー群からの変換に同値な畳み込み層を構築するための一般的な方法を提案する。 同じモデルアーキテクチャを画像、ボール・アンド・スティック分子データ、ハミルトン力学系に適用する。
  論文  参考訳（メタデータ） (2020-02-25T17:40:38Z)
• Fine-grained Image-to-Image Transformation towards Visual Recognition [102.51124181873101]
  我々は,入力画像の同一性を保った画像を生成するために,微細なカテゴリで画像を変換することを目的としている。 我々は、画像のアイデンティティと非関連要因をアンハングルするために、生成的敵ネットワークに基づくモデルを採用する。 CompCarsとMulti-PIEデータセットの実験では、我々のモデルが生成した画像のアイデンティティを、最先端の画像-画像変換モデルよりもはるかによく保存していることが示された。
  論文  参考訳（メタデータ） (2020-01-12T05:26:47Z)

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。