論文の概要: Robustness of Deep Equilibrium Architectures to Changes in the Measurement Model

• arxiv url: http://arxiv.org/abs/2211.00531v1
• Date: Tue, 1 Nov 2022 15:35:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 14:47:16.577520
• Title: Robustness of Deep Equilibrium Architectures to Changes in the Measurement Model
• Title（参考訳）: 深部平衡構造の計測モデルの変化に対するロバスト性
• Authors: Junhao Hu, Shirin Shoushtari, Zihao Zou, Jiaming Liu, Zhixin Sun, Ulugbek S.Kamilov
• Abstract要約: 深層モデルベースアーキテクチャ(DMBA)は、物理測定と画像の事前処理を統合するために逆問題の画像化に広く用いられている。 DEQのイメージは特定の測定モデルを用いてトレーニングされ、DECのイメージは一般的なイメージデノイザとしてトレーニングされる。 本稿では,測定モデルの変化に先行するDECのロバスト性について検討する。
• 参考スコア（独自算出の注目度）: 16.689964509529403
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep model-based architectures (DMBAs) are widely used in imaging inverse problems to integrate physical measurement models and learned image priors. Plug-and-play priors (PnP) and deep equilibrium models (DEQ) are two DMBA frameworks that have received significant attention. The key difference between the two is that the image prior in DEQ is trained by using a specific measurement model, while that in PnP is trained as a general image denoiser. This difference is behind a common assumption that PnP is more robust to changes in the measurement models compared to DEQ. This paper investigates the robustness of DEQ priors to changes in the measurement models. Our results on two imaging inverse problems suggest that DEQ priors trained under mismatched measurement models outperform image denoisers.
• Abstract（参考訳）: 深層モデルベースアーキテクチャ(dmbas)は、物理計測モデルと学習済み画像の優先順位を統合する逆問題の画像化に広く使われている。 プラグアンドプレイ事前(PnP)とディープ均衡モデル(DEQ)は2つのDMBAフレームワークであり、注目されている。 両者の主な違いは、DECに先行する画像が特定の測定モデルを用いて訓練されるのに対し、PnPでは一般的な画像デノイザとして訓練される点である。 この違いは、pnpが測定モデルの変化に対してdeqよりも頑健であるという共通の仮定の背後にある。 本稿では,測定モデルの変化に対するdeqのロバスト性について検討する。 画像逆問題に対する2つの結果から,不一致測定モデルで訓練されたdeqプライオリエントが画像デノイザを上回っていることが示唆された。

関連論文リスト

• Efficient One-Step Diffusion Refinement for Snapshot Compressive Imaging [8.819370643243012]
  Coded Aperture Snapshot Spectral Imaging (CASSI)は3次元マルチスペクトル画像(MSI)を撮影するための重要な技術である 現在の最先端の手法は、主にエンドツーエンドであり、高周波の詳細を再構築する際の制限に直面している。 本稿では,Snapshot Compressive Imagingのための自己教師型適応フレームワークにおいて,新しい1段階拡散確率モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-11T17:02:10Z)
• Opinion-Unaware Blind Image Quality Assessment using Multi-Scale Deep Feature Statistics [54.08757792080732]
  我々は,事前学習された視覚モデルからの深い特徴を統計的解析モデルと統合して,意見認識のないBIQA(OU-BIQA)を実現することを提案する。 提案モデルは,最先端のBIQAモデルと比較して,人間の視覚的知覚との整合性に優れる。
  論文  参考訳（メタデータ） (2024-05-29T06:09:34Z)
• Imaging Signal Recovery Using Neural Network Priors Under Uncertain Forward Model Parameters [0.7724713939814069]
  逆イメージング問題(IIP)は様々な用途で発生し、圧縮された測定値から画像の再構成が主な目的である。 本稿では,ニューラルネットワークを前に使用することで,一般的なIPソリューションと互換性のある新しいモーメント・アグリゲーション(MA)フレームワークを提案する。 理論的には、既知のフォワードモデルパラメータの下での再構成に類似した複雑さを持つMAフレームワークの収束を実証する。
  論文  参考訳（メタデータ） (2024-05-05T14:12:48Z)
• Post-Hoc Reversal: Are We Selecting Models Prematurely? [13.910702424593797]
  ポストホック変換を適用した後に性能傾向が逆転するポストホック逆転現象を示す。 予備的な分析は、これらの変換が、誤ラベルされた例の影響を抑えることによって、逆転を引き起こすことを示唆している。 ポストホック選択(post-hoc selection)は、ポストホックメトリクスがモデル開発決定を通知するシンプルな手法である。
  論文  参考訳（メタデータ） (2024-04-11T14:58:19Z)
• Comparison of No-Reference Image Quality Models via MAP Estimation in Diffusion Latents [99.19391983670569]
  NR-IQAモデルは、画像強調のための最大後部推定(MAP)フレームワークにプラグイン可能であることを示す。 異なるNR-IQAモデルは異なる拡張イメージを誘導し、最終的には精神物理学的なテストを受ける。 これにより, NR-IQAモデルの比較を行う新たな計算手法が提案される。
  論文  参考訳（メタデータ） (2024-03-11T03:35:41Z)
• Predictable MDP Abstraction for Unsupervised Model-Based RL [93.91375268580806]
  予測可能なMDP抽象化(PMA)を提案する。 元のMDPで予測モデルを訓練する代わりに、学習されたアクション空間を持つ変換MDPでモデルを訓練する。 我々はPMAを理論的に解析し、PMAが以前の教師なしモデルベースRLアプローチよりも大幅に改善することを示す。
  論文  参考訳（メタデータ） (2023-02-08T07:37:51Z)
• JPEG Artifact Correction using Denoising Diffusion Restoration Models [110.1244240726802]
  本稿では,DDRM(Denoising Diffusion Restoration Models)に基づいて,非線形逆問題の解法を提案する。 我々は、DDRMで使用される擬逆演算子を活用し、この概念を他の測度演算子に一般化する。
  論文  参考訳（メタデータ） (2022-09-23T23:47:00Z)
• Deep Model-Based Architectures for Inverse Problems under Mismatched Priors [15.662343976149637]
  ディープモデルベースアーキテクチャ(DMBA)は、イメージング逆問題を解決するために用いられる。 この研究は、ミスマッチしたCNN以前のDMBAに関する新たな理論的および数値的な洞察を提供する。 本研究は,現実的な分布シフトと近似統計近似によるDMBAの実証的性能を比較した。
  論文  参考訳（メタデータ） (2022-07-26T22:13:56Z)
• Online Deep Equilibrium Learning for Regularization by Denoising [20.331171081002957]
  Plug-and-Play Equilibrium Priors (メモリ)とRegularization by Denoising (RED)は、固定点の計算によって逆画像問題を解決するために広く使われているフレームワークである。 我々は,測定総数に基づいてDEC/REDの効率を向上させるための新しい戦略としてODERを提案する。 以上の結果から,ODERによるトレーニング/テストの複雑さが3つの異なる画像応用において改善する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-25T21:06:22Z)
• Model soups: averaging weights of multiple fine-tuned models improves accuracy without increasing inference time [69.7693300927423]
  複数モデルの重み付けを異なるパラメータ構成で微調整することにより,精度とロバスト性が向上することを示す。 モデルスープ手法は,複数の画像分類や自然言語処理タスクにまで拡張されている。
  論文  参考訳（メタデータ） (2022-03-10T17:03:49Z)
• Post-mortem on a deep learning contest: a Simpson's paradox and the complementary roles of scale metrics versus shape metrics [61.49826776409194]
  我々は、ニューラルネットワーク(NN)モデルの一般化精度を予測するために、コンテストで公に利用可能にされたモデルのコーパスを分析する。 メトリクスが全体としてよく機能するが、データのサブパーティションではあまり機能しない。 本稿では,データに依存しない2つの新しい形状指標と,一連のNNのテスト精度の傾向を予測できるデータ依存指標を提案する。
  論文  参考訳（メタデータ） (2021-06-01T19:19:49Z)

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。