論文の概要: On the Robustness of Normalizing Flows for Inverse Problems in Imaging
- arxiv url: http://arxiv.org/abs/2212.04319v1
- Date: Thu, 8 Dec 2022 15:18:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 14:49:21.901642
- Title: On the Robustness of Normalizing Flows for Inverse Problems in Imaging
- Title（参考訳）: イメージングにおける逆問題に対する正規化流れのロバスト性について
- Authors: Seongmin Hong, Inbum Park, Se Young Chun
- Abstract要約: 意図しない厳密な人工物は、時折条件付き正規化フローの出力で観察される。
条件付きアフィンカップリング層における「分散の爆発」により,これらの問題が生じることを実証的,理論的に明らかにする。
そこで本研究では,アフィンカップリング層を2次スプラインカップリング層に置換し,フローを正規化する簡単な方法を提案する。
- 参考スコア（独自算出の注目度）: 16.18759484251522
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conditional normalizing flows can generate diverse image samples for solving
inverse problems. Most normalizing flows for inverse problems in imaging employ
the conditional affine coupling layer that can generate diverse images quickly.
However, unintended severe artifacts are occasionally observed in the output of
them. In this work, we address this critical issue by investigating the origins
of these artifacts and proposing the conditions to avoid them. First of all, we
empirically and theoretically reveal that these problems are caused by
``exploding variance'' in the conditional affine coupling layer for certain
out-of-distribution (OOD) conditional inputs. Then, we further validated that
the probability of causing erroneous artifacts in pixels is highly correlated
with a Mahalanobis distance-based OOD score for inverse problems in imaging.
Lastly, based on our investigations, we propose a remark to avoid exploding
variance and then based on it, we suggest a simple remedy that substitutes the
affine coupling layers with the modified rational quadratic spline coupling
layers in normalizing flows, to encourage the robustness of generated image
samples. Our experimental results demonstrated that our suggested methods
effectively suppressed critical artifacts occurring in normalizing flows for
super-resolution space generation and low-light image enhancement without
compromising performance.
- Abstract（参考訳）: 条件付き正規化フローは、逆問題を解くために様々な画像サンプルを生成することができる。
画像の逆問題に対するほとんどの正規化フローは、様々な画像を迅速に生成できる条件付きアフィン結合層を用いている。
しかし、意図しない重度のアーティファクトがそれらの出力で時々観察される。
本稿では,これらのアーティファクトの起源を調査し,それらを避けるための条件を提案することで,この問題に対処する。
まず, 条件付きアフィンカップリング層において, 特定のout-of-distribution (ood) 条件付き入力に対して, ``exploding variance''' が原因であることを示す。
さらに,画像の逆問題に対するMahalanobis 距離を用いた OOD スコアと,画素内の誤ったアーティファクトを発生させる確率は高い相関性を示した。
最後に, 本研究では, 分散の爆発を回避し, そしてそれに基づいて, アフィンカップリング層を修正された有理二次スプラインカップリング層に置き換え, 生成した画像サンプルのロバスト性を促進するための簡単な修正法を提案する。
提案手法は,超高分解能空間生成と低照度画像強調のための正規化フローで発生する臨界アーティファクトを,性能を損なうことなく効果的に抑制することを示した。
関連論文リスト
- pcaGAN: Improving Posterior-Sampling cGANs via Principal Component Regularization [11.393603788068777]
画像逆問題では、観測された測定値と真の画像の事前知識の両方に適合する仮説が多数存在する。
本稿では, 高速かつ高精度な後サンプリング条件生成対向ネットワーク (cGAN) を提案する。
論文 参考訳（メタデータ） (2024-11-01T14:09:28Z) - FlowDepth: Decoupling Optical Flow for Self-Supervised Monocular Depth Estimation [8.78717459496649]
本稿では,ダイナミックモーションフローモジュール (DMFM) が機構ベースのアプローチで光学フローを分離し,動的領域をワープし,ミスマッチ問題を解くフローDepthを提案する。
高フレック領域と低テクスチャ領域による光度誤差の不公平性については,入力と損失レベルでそれぞれDepth-Cue-Aware Blur(DCABlur)とCost-Volumeの空間損失を用いて解決する。
論文 参考訳（メタデータ） (2024-03-28T10:31:23Z) - A Variational Perspective on Solving Inverse Problems with Diffusion
Models [101.831766524264]
逆タスクは、データ上の後続分布を推測するものとして定式化することができる。
しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。
そこで我々は,真の後続分布を近似する設計手法を提案する。
論文 参考訳（メタデータ） (2023-05-07T23:00:47Z) - 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) - Improving Diffusion Models for Inverse Problems using Manifold Constraints [55.91148172752894]
我々は,現在の解法がデータ多様体からサンプルパスを逸脱し,エラーが蓄積することを示す。
この問題に対処するため、多様体の制約に着想を得た追加の補正項を提案する。
本手法は理論上も経験上も従来の方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-06-02T09:06:10Z) - Normalizing Flow as a Flexible Fidelity Objective for Photo-Realistic
Super-resolution [161.39504409401354]
超解像は不適切な問題であり、高分解能画像は可算解空間の1つの可能性を表す。
しかし、支配的なパラダイムは、L_のようなピクセル単位の損失を採用することで、ぼやけた平均に向かって予測を駆動する。
本稿では,L_損失を再考することによりこの問題に対処し,一層条件流に対応することを示す。
この関係に触発されて、L_目的に対する忠実度に基づくオルタナティブとして一般流れを探索する。
より深いフローの柔軟性は、対向的な損失と組み合わせることで、より良い視覚的品質と一貫性をもたらすことを実証する。
論文 参考訳（メタデータ） (2021-11-05T17:56:51Z) - Generative Flows as a General Purpose Solution for Inverse Problems [0.0]
高確率再構成を直接生成する正規化項を提案する。
画像のデノイング、画像のデブロアリング、画像のインペインティング、画像のカラー化について評価を行った。
論文 参考訳（メタデータ） (2021-10-25T21:56:44Z) - Low-Light Image Enhancement with Normalizing Flow [92.52290821418778]
本稿では,この一対多の関係を正規化フローモデルを用いてモデル化する。
低照度画像/特徴を条件として取り、通常露光される画像の分布をガウス分布にマッピングすることを学ぶ可逆ネットワーク。
既存のベンチマークデータセットによる実験結果から,提案手法はより定量的,質的な結果を得ることができ,照度が良く,ノイズやアーティファクトが小さく,色も豊かになることがわかった。
論文 参考訳（メタデータ） (2021-09-13T12:45:08Z) - On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。
ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。
これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
論文 参考訳（メタデータ） (2021-07-02T15:10:42Z) - Solving Linear Inverse Problems Using the Prior Implicit in a Denoiser [7.7288480250888]
我々は、ディープニューラルネットワークにおける暗黙の事前利用のための堅牢で一般的な手法を開発した。
ブラインド(ノイズレベルが未知の)を訓練したCNNが提示される。
このアルゴリズムの制約サンプリングへの一般化は、任意の線形逆問題を解決するために暗黙の手法を提供する。
論文 参考訳（メタデータ） (2020-07-27T15:40:46Z)
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。