論文の概要: Efficient Noise Filtration of Images by Low-Rank Singular Vector
Approximations of Geodesics' Gramian Matrix
- arxiv url: http://arxiv.org/abs/2209.13094v1
- Date: Tue, 27 Sep 2022 01:03:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 16:46:47.671967
- Title: Efficient Noise Filtration of Images by Low-Rank Singular Vector
Approximations of Geodesics' Gramian Matrix
- Title（参考訳）: 測地学の文法行列の低域特異ベクトル近似による画像の高能率ノイズフィルタ
- Authors: Kelum Gajamannage, Yonggi Park, and Sunil Mathur
- Abstract要約: 高解像度画像のリアルタイム処理は、画像キャプチャー機器のハードウェア制限によって制限される。
本研究では,SVDのステップを4つの特異ベクトル近似手法に置き換えることで,GGDフレームワークの効率を向上する。
- 参考スコア（独自算出の注目度）: 0.2294014185517203
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Modern society is interested in capturing high-resolution and fine-quality
images due to the surge of sophisticated cameras. However, the noise
contamination in the images not only inferior people's expectations but also
conversely affects the subsequent processes if such images are utilized in
computer vision tasks such as remote sensing, object tracking, etc. Even though
noise filtration plays an essential role, real-time processing of a
high-resolution image is limited by the hardware limitations of the
image-capturing instruments. Geodesic Gramian Denoising (GGD) is a
manifold-based noise filtering method that we introduced in our past research
which utilizes a few prominent singular vectors of the geodesics' Gramian
matrix for the noise filtering process. The applicability of GDD is limited as
it encounters $\mathcal{O}(n^6)$ when denoising a given image of size $n\times
n$ since GGD computes the prominent singular vectors of a $n^2 \times n^2$ data
matrix that is implemented by singular value decomposition (SVD). In this
research, we increase the efficiency of our GGD framework by replacing its SVD
step with four diverse singular vector approximation techniques. Here, we
compare both the computational time and the noise filtering performance between
the four techniques integrated into GGD.
- Abstract（参考訳）: 現代の社会は、高度なカメラの急増により、高解像度で高品質な画像を撮影することに興味を持っている。
しかし,このような画像がリモートセンシングや物体追跡などのコンピュータビジョンタスクに利用される場合,画像中のノイズ汚染は人々の期待に反するだけでなく,その後のプロセスにも反する。
ノイズろ過は重要な役割を果たすが、高分解能画像のリアルタイム処理は、撮像装置のハードウェアの制限によって制限される。
geodesic gramian denoising (ggd) は,測地学のグラミアン行列の有意な特異ベクトルを雑音フィルタリングに利用した,これまでの研究で紹介した多様体に基づく雑音フィルタリング手法である。
GDDの適用性は、GGDが特異値分解(SVD)によって実装される$n^2 \times n^2$データ行列の顕著な特異ベクトルを計算するので、与えられた画像のサイズを$n\times n$とすることで、$\mathcal{O}(n^6)$に遭遇するため制限される。
本研究では,SVDのステップを4つの特異ベクトル近似手法に置き換えることで,GGDフレームワークの効率を向上する。
本稿では,GGDに組み込まれた4つの手法の計算時間とノイズフィルタリング性能を比較した。
関連論文リスト
- Deep Gaussian mixture model for unsupervised image segmentation [1.3654846342364308]
多くのタスクにおいて、十分なピクセルレベルのラベルを得るのは非常に困難である。
本稿では,ガウス混合モデル(GMM)と教師なしディープラーニング技術を組み合わせた手法を提案する。
マルチシーケンスMRI画像における梗塞領域分割の例について, 様々な実験において本手法の利点を実証する。
論文 参考訳（メタデータ） (2024-04-18T15:20:59Z) - Learning to Annotate Part Segmentation with Gradient Matching [58.100715754135685]
本稿では,事前学習したGANを用いて,高品質な画像を生成することで,半教師付き部分分割タスクに対処することに焦点を当てる。
特に、アノテータ学習を学習から学習までの問題として定式化する。
提案手法は,実画像,生成された画像,さらには解析的に描画された画像を含む,幅広いラベル付き画像からアノテータを学習可能であることを示す。
論文 参考訳（メタデータ） (2022-11-06T01:29:22Z) - Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。
本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
論文 参考訳（メタデータ） (2022-07-09T09:14:12Z) - UHD Image Deblurring via Multi-scale Cubic-Mixer [12.402054374952485]
トランスフォーマーベースのアルゴリズムは、画像劣化の領域に飛び散っている。
これらのアルゴリズムはトークン間の長距離依存関係をモデル化するためにCNNステムによる自己保持機構に依存する。
論文 参考訳（メタデータ） (2022-06-08T05:04:43Z) - Adaptive Non-linear Filtering Technique for Image Restoration [0.0]
画像中の帯域線, ドロップライン, マーク, バンド損失, インパルスを除去するための決定に基づく非線形アルゴリズムを提案する。
アルゴリズムは2つの同時動作、すなわち、破損したピクセルの検出と、破損したピクセルを置き換えるための新しいピクセルの評価を行う。
論文 参考訳（メタデータ） (2022-04-20T08:36:59Z) - Fast and High-Quality Image Denoising via Malleable Convolutions [72.18723834537494]
動的畳み込みの効率的な変種として、Malleable Convolution (MalleConv)を提案する。
以前の作品とは異なり、MalleConvは入力から空間的に変化するカーネルのより小さなセットを生成する。
また、MalleNetという造語であるMalleConvを用いて、効率的なdenoisingネットワークを構築した。
論文 参考訳（メタデータ） (2022-01-02T18:35:20Z) - Efficient Deep Image Denoising via Class Specific Convolution [24.103826414190216]
画素ワイズ分類に基づく画像復調のための効率的なディープニューラルネットワークを提案する。
提案手法は性能を犠牲にすることなく計算コストを削減できる。
論文 参考訳（メタデータ） (2021-03-02T10:28:15Z) - Powers of layers for image-to-image translation [60.5529622990682]
本稿では,未ペア画像から画像への変換タスクに対処するシンプルなアーキテクチャを提案する。
固定重み付きイメージオートエンコーダアーキテクチャから始める。
各タスクに対して、潜在空間で動作している残留ブロックを学習し、ターゲット領域に到達するまで繰り返し呼び出される。
論文 参考訳（メタデータ） (2020-08-13T09:02:17Z) - The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。
次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。
そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-16T08:17:44Z) - A Survey on Patch-based Synthesis: GPU Implementation and Optimization [0.0]
この論文は、小さな局所領域間の対応を見つけるためのパッチベースの合成とアルゴリズムの研究を調査する。
私たちが研究したアルゴリズムの1つは、PatchMatchで、画像の類似した領域や「パッチ」を見つけることができる。
コンピュータグラフィックスでは、画像から不要な物体を取り除き、画像中の物体をシームレスに移動させ、画像のアスペクト比を変え、映像の要約を行った。
論文 参考訳（メタデータ） (2020-05-11T19:25:28Z) - Reconstructing the Noise Manifold for Image Denoising [56.562855317536396]
本稿では,画像ノイズ空間の構造を明示的に活用するcGANを提案する。
画像ノイズの低次元多様体を直接学習することにより、この多様体にまたがる情報のみをノイズ画像から除去する。
我々の実験に基づいて、我々のモデルは既存の最先端アーキテクチャを大幅に上回っている。
論文 参考訳（メタデータ） (2020-02-11T00:31:31Z)
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。