論文の概要: Deep Plug-and-Play Prior for Hyperspectral Image Restoration

• arxiv url: http://arxiv.org/abs/2209.08240v1
• Date: Sat, 17 Sep 2022 04:41:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 17:26:27.633013
• Title: Deep Plug-and-Play Prior for Hyperspectral Image Restoration
• Title（参考訳）: ハイパースペクトル画像の再生に先立つ深いプラグアンドプレイ
• Authors: Zeqiang Lai, Kaixuan Wei, Ying Fu
• Abstract要約: 我々は、繰り返し畳み込みユニット、短時間および長期接続、拡張ノイズレベルマップを利用した新しい深いHSIデノイザを開発する。 The proposed denoiser is insert into the plug-and-play framework as a powerful implicit HSI HSI before tackle various HSI restoration task。 当社のアプローチは,各タスクにおける最先端技術と競合するか,あるいはそれ以上に優れたパフォーマンスを実現しています。
• 参考スコア（独自算出の注目度）: 13.208886503547475
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep-learning-based hyperspectral image (HSI) restoration methods have gained great popularity for their remarkable performance but often demand expensive network retraining whenever the specifics of task changes. In this paper, we propose to restore HSIs in a unified approach with an effective plug-and-play method, which can jointly retain the flexibility of optimization-based methods and utilize the powerful representation capability of deep neural networks. Specifically, we first develop a new deep HSI denoiser leveraging gated recurrent convolution units, short- and long-term skip connections, and an augmented noise level map to better exploit the abundant spatio-spectral information within HSIs. It, therefore, leads to the state-of-the-art performance on HSI denoising under both Gaussian and complex noise settings. Then, the proposed denoiser is inserted into the plug-and-play framework as a powerful implicit HSI prior to tackle various HSI restoration tasks. Through extensive experiments on HSI super-resolution, compressed sensing, and inpainting, we demonstrate that our approach often achieves superior performance, which is competitive with or even better than the state-of-the-art on each task, via a single model without any task-specific training.
• Abstract（参考訳）: Deep-learning-based hyperspectral image (HSI) 復元法は、その顕著な性能で大きな人気を得ているが、タスクの特定の変更がいつでも、高価なネットワークリトレーニングを必要とすることが多い。 本稿では,最適化手法の柔軟性を両立させ,深層ニューラルネットワークの強力な表現能力を活用する,効果的なプラグアンドプレイ方式による統一的手法によるHSIの復元を提案する。 具体的には、まず、ゲート型繰り返し畳み込みユニット、短期および長期のスキップ接続、および拡張ノイズレベルマップを活用して、HSI内の豊富な時空間情報を活用するディープHSIデノイザを開発する。 したがって、これはガウスと複雑なノイズ設定の両方の下でHSIの最先端性能をもたらす。 そして,様々なHSI復元作業に取り組む前に,プラグイン・アンド・プレイ・フレームワークを強力な暗黙的HSIとして挿入する。 hsiスーパーレゾリューション、圧縮センシング、インペインティングに関する広範囲な実験を通じて、我々のアプローチは、タスク固有のトレーニングなしで単一のモデルを介して、各タスクの最先端に匹敵する、あるいはさらに優れたパフォーマンスをしばしば達成できることを実証する。

関連論文リスト

• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• HIR-Diff: Unsupervised Hyperspectral Image Restoration Via Improved Diffusion Models [38.74983301496911]
  ハイパースペクトル画像(HSI)の復元は、劣化した観察からクリーンなイメージを復元することを目的としている。 既存のモデルに基づく手法は、複雑な画像の特徴を正確にモデル化するのに限界がある。 本稿では,事前学習拡散モデル(HIR-Diff)を用いた教師なしHSI復元フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-24T17:15:05Z)
• ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and Multispectral Data Fusion [54.668445421149364]
  HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。 本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
  論文  参考訳（メタデータ） (2023-10-11T07:30:37Z)
• Improved Quasi-Recurrent Neural Network for Hyperspectral Image Denoising [9.723155514555765]
  いくつかの簡単な修正でQRNN3Dの性能が大幅に改善できることが示される。 本稿では,そのバニラ付加スキップ接続を置き換え,エンコーダとデコーダの機能の融合を図るための適応融合モジュールを提案する。 各種ノイズ設定実験の結果,提案手法の有効性と性能が示された。
  論文  参考訳（メタデータ） (2022-11-27T12:38:03Z)
• Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image Denoising [50.039949798156826]
  本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。 ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。 次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
  論文  参考訳（メタデータ） (2022-07-09T13:35:12Z)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)
• Improving Deep Hyperspectral Image Classification Performance with Spectral Unmixing [3.84448093764973]
  本稿では,多元HSI分類法を提案する。 我々は、データセット固有のオートエンコーダにより、スペクトル領域から豊富な領域へのすべてのHSIを変換する。 次に、複数のHSIからの豊富な表現を収集して拡大データセットを形成する。
  論文  参考訳（メタデータ） (2020-04-01T17:14:05Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)

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。