Fugu-MT 論文翻訳(概要): Practical Phase Retrieval Using Double Deep Image Priors

論文の概要: Practical Phase Retrieval Using Double Deep Image Priors

arxiv url: http://arxiv.org/abs/2211.00799v1
Date: Wed, 2 Nov 2022 00:37:51 GMT
ステータス: 処理完了
システム内更新日: 2022-11-03 12:51:46.697201
Title: Practical Phase Retrieval Using Double Deep Image Priors
Title（参考訳）: ダブルディープ画像を用いた実測位相検索
Authors: Zhong Zhuang, David Yang, Felix Hofmann, David Barmherzig and Ju Sun
Abstract要約: 本稿では,難易度の高い遠距離PR(FFPR)に着目し,ダブルディープ画像を用いた新しい手法を提案する。現実的な評価では,提案手法は競合する全ての手法よりも大きなマージンで優れる。
参考スコア（独自算出の注目度）: 2.537406035246369
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Phase retrieval (PR) concerns the recovery of complex phases from complex magnitudes. We identify the connection between the difficulty level and the number and variety of symmetries in PR problems. We focus on the most difficult far-field PR (FFPR), and propose a novel method using double deep image priors. In realistic evaluation, our method outperforms all competing methods by large margins. As a single-instance method, our method requires no training data and minimal hyperparameter tuning, and hence enjoys good practicality.
Abstract（参考訳）: 位相検索(PR)は、複雑な大きさから複雑な位相の回復に関するものである。 PR問題における難易度と対称性の数と多様度との関係を同定する。本稿では,最も難しい遠方場pr(ffpr)に着目し,ダブルディープ画像を用いた新しい手法を提案する。現実的な評価では,提案手法は競合する全ての手法よりも大きなマージンで優れる。シングルインスタンス法では,トレーニングデータやハイパーパラメータチューニングの最小化を必要とせず,実践性も良好である。

関連論文リスト

Learning from Multi-Perception Features for Real-Word Image Super-resolution [87.71135803794519]
入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
論文参考訳（メタデータ） (2023-05-26T07:35:49Z)
Recovering Sign Bits of DCT Coefficients in Digital Images as an Optimization Problem [39.78948579120157]
一般にNP-hardである混合整数線形プログラミング(MILP)問題を解くための2つの異なる近似法を提案する。 1つの方法は、MILP問題を線形プログラミング(LP)問題に緩和することであり、もう1つは元のMILP問題をより小さなMILP問題とLP問題に分割する。
論文参考訳（メタデータ） (2022-11-02T13:15:11Z)
A comparative study of paired versus unpaired deep learning methods for physically enhancing digital rock image resolution [0.0]
我々は、ペアデータとペアデータの両方を用いて、最先端の2つのSR深層学習技術と、類似した地上真実データとを厳密に比較した。アンペア化GANアプローチは、ペア化CNN法と同じ精度で、トレーニング時間とデータセット要求に匹敵する精度で、超解像を再構築することができる。これにより、未ペア深層学習を用いたマイクロCT画像強調のための新しい応用が実現される。
論文参考訳（メタデータ） (2021-12-16T05:50:25Z)
Unsupervised Image Fusion Using Deep Image Priors [7.549952136964352]
Deep Image Prior (DIP)法により、画像復元が完全にトレーニングデータ無しで行えるようになった。本稿では,画像融合を逆問題として定式化しながら,新たな損失計算構造をDIPの枠組みで紹介する。
論文参考訳（メタデータ） (2021-10-18T17:38:35Z)
Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
論文参考訳（メタデータ） (2021-08-18T17:57:02Z)
Light Field Reconstruction via Deep Adaptive Fusion of Hybrid Lenses [67.01164492518481]
本稿では,ハイブリットレンズを用いた高分解能光場(LF)画像の再構成問題について検討する。本稿では,入力の特徴を包括的に活用できる新しいエンドツーエンド学習手法を提案する。我々のフレームワークは、高解像度なLFデータ取得のコストを削減し、LFデータストレージと送信の恩恵を受ける可能性がある。
論文参考訳（メタデータ） (2021-02-14T06:44:47Z)
Robust Phase Unwrapping via Deep Image Prior for Quantitative Phase Imaging [21.054830699283443]
位相アンラッピング(英: phase unwrapping)は、より情報的な画像を復元する計算過程である。トレーニングセットを一切必要としないディープラーニングベースの手法を提案する。提案手法は実データとシミュレーションデータの両方の複雑なサンプルの位相を忠実に復元することを示した。
論文参考訳（メタデータ） (2020-09-24T08:56:10Z)
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)
Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation [92.86123832948809]
本稿では,2つの繰り返しネットワーク間の反復的協調による深層面超解像(FSR)手法を提案する。各繰り返しステップにおいて、リカバリブランチは、ランドマークの事前の知識を利用して、高品質な画像を生成する。新しい注意融合モジュールはランドマークマップのガイダンスを強化するために設計されている。
論文参考訳（メタデータ） (2020-03-29T16:04:48Z)
PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [77.32079593577821]
PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2020-03-08T16:44:31Z)

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。