論文の概要: Generative Modeling in Structural-Hankel Domain for Color Image Inpainting

• arxiv url: http://arxiv.org/abs/2211.13857v1
• Date: Fri, 25 Nov 2022 01:56:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 16:54:23.744190
• Title: Generative Modeling in Structural-Hankel Domain for Color Image Inpainting
• Title（参考訳）: カラー画像描画のための構造ハンケル領域の生成モデリング
• Authors: Zihao Li, Chunhua Wu, Shenglin Wu, Wenbo Wan, Yuhao Wang, Qiegen Liu
• Abstract要約: 本研究は,カラー画像インペイント作業のための低ランク構造型ハンケル行列支援スコアベース生成モデル(SHGM)を構築することを目的とする。 実験の結果,SHGMの顕著な性能と多様性が示された。
• 参考スコア（独自算出の注目度）: 17.04134647990754
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, some researchers focused on using a single image to obtain a large number of samples through multi-scale features. This study intends to a brand-new idea that requires only ten or even fewer samples to construct the low-rank structural-Hankel matrices-assisted score-based generative model (SHGM) for color image inpainting task. During the prior learning process, a certain amount of internal-middle patches are firstly extracted from several images and then the structural-Hankel matrices are constructed from these patches. To better apply the score-based generative model to learn the internal statistical distribution within patches, the large-scale Hankel matrices are finally folded into the higher dimensional tensors for prior learning. During the iterative inpainting process, SHGM views the inpainting problem as a conditional generation procedure in low-rank environment. As a result, the intermediate restored image is acquired by alternatively performing the stochastic differential equation solver, alternating direction method of multipliers, and data consistency steps. Experimental results demonstrated the remarkable performance and diversity of SHGM.
• Abstract（参考訳）: 近年,複数種類の画像を用いて多数のサンプルを収集する研究が盛んに行われている。 本研究は,カラー画像インペインティングタスクのための低ランク構造-ハンケル行列支援スコアベース生成モデル(shgm)を構築するために,サンプル数が10つかそれ以上の新たなアイデアを提案する。 先行学習過程において、まず複数の画像から特定の内部中間パッチを抽出し、これらのパッチから構造ハンケル行列を構築する。 スコアベース生成モデルを用いてパッチの内部統計分布を学習するため、大規模ハンケル行列は最終的により高次元のテンソルに折り畳み、事前学習を行う。 反復的な塗り込みプロセスの間、shgmは塗り込み問題を低ランク環境における条件付き生成手順として捉えている。 その結果、確率微分方程式解決器、乗算器の交互方向法、データ一貫性ステップを代替して中間復元画像を得る。 実験結果はSHGMの顕著な性能と多様性を示した。

関連論文リスト

• Provably Robust Score-Based Diffusion Posterior Sampling for Plug-and-Play Image Reconstruction [31.503662384666274]
  科学と工学において、ゴールは、ある画像のモダリティを記述する既知のフォワードモデルから収集された少数の測定値から未知の画像を推測することである。 モチベートされたスコアベース拡散モデルはその経験的成功により、画像再構成に先立って模範の印象的な候補として現れた。
  論文  参考訳（メタデータ） (2024-03-25T15:58:26Z)
• Visualization for Multivariate Gaussian Anomaly Detection in Images [0.0]
  本稿では,画像中の異常検出のためのPaDiM(Pixel-Wise Anomaly Detection through Instance Modeling)法の簡易なバリエーションを提案する。 特徴ベクトルに白化変換を適用することで、このフレームワークの中間ステップを導入する。 その結果、視覚モデル検証の重要性が示され、そうでなければ見えない問題に対する洞察を提供することができた。
  論文  参考訳（メタデータ） (2023-07-12T10:12:57Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Estimating Appearance Models for Image Segmentation via Tensor Factorization [0.0]
  本稿では,画像からの外観モデルを直接推定する手法を提案する。 本手法は,潜時変モデルに対するテンソル分解に基づく推定器への入力として,画像からの局所的な高次色統計値を用いる。 このアプローチは、マルチリージョン画像のモデルを推定し、事前のユーザインタラクションなしで自動的にリージョン比を出力することができる。
  論文  参考訳（メタデータ） (2022-08-16T17:21:00Z)
• FewGAN: Generating from the Joint Distribution of a Few Images [95.6635227371479]
  本稿では,新しい,高品質で多様な画像を生成するための生成モデルFewGANを紹介する。 FewGANは、第1の粗いスケールで量子化を適用した階層的なパッチGANであり、その後、より微細なスケールで残った完全畳み込みGANのピラミッドが続く。 大規模な実験では、FewGANは定量的にも定性的にも基線より優れていることが示されている。
  論文  参考訳（メタデータ） (2022-07-18T07:11:28Z)
• MAT: Mask-Aware Transformer for Large Hole Image Inpainting [79.67039090195527]
  本稿では, 変圧器と畳み込みの利点を統一する, 大穴塗装の新しいモデルを提案する。 実験では、複数のベンチマークデータセット上で、新しいモデルの最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-03-29T06:36:17Z)
• Meta Internal Learning [88.68276505511922]
  単一画像生成のための内部学習は、単一の画像に基づいて新しい画像を生成するようにジェネレータを訓練するフレームワークである。 本稿では,サンプル画像の内部統計をより効果的にモデル化するために,画像集合のトレーニングを可能にするメタラーニング手法を提案する。 以上の結果から, 得られたモデルは, 多数の共通画像アプリケーションにおいて, シングルイメージのGANと同程度に適していることがわかった。
  論文  参考訳（メタデータ） (2021-10-06T16:27:38Z)
• FaceCook: Face Generation Based on Linear Scaling Factors [11.682904465909003]
  生成モデルの潜在ベクトルをスケーリング因子にマッピングする新しい手法を提案する。 提案手法は,画像の多様性の観点から,ベースラインよりも優れる。
  論文  参考訳（メタデータ） (2021-09-08T08:31:40Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

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。