Fugu-MT 論文翻訳(概要): Blur Invariants for Image Recognition

論文の概要: Blur Invariants for Image Recognition

arxiv url: http://arxiv.org/abs/2301.07581v1
Date: Wed, 18 Jan 2023 14:58:32 GMT
ステータス: 処理完了
システム内更新日: 2023-01-19 15:32:24.534270
Title: Blur Invariants for Image Recognition
Title（参考訳）: 画像認識のためのブラインド不変量
Authors: Jan Flusser, Matej Lebl, Matteo Pedone, Filip Sroubek, and Jitka Kostkova
Abstract要約: ぼかしに関する不変性は、ぼかしのないぼかし画像の記述と認識の代替手段を提供する。本稿では、ブラー不変量に関する元の統一的理論を示す。
参考スコア（独自算出の注目度）: 9.207644534257543
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Blur is an image degradation that is difficult to remove. Invariants with respect to blur offer an alternative way of a~description and recognition of blurred images without any deblurring. In this paper, we present an original unified theory of blur invariants. Unlike all previous attempts, the new theory does not require any prior knowledge of the blur type. The invariants are constructed in the Fourier domain by means of orthogonal projection operators and moment expansion is used for efficient and stable computation. It is shown that all blur invariants published earlier are just particular cases of this approach. Experimental comparison to concurrent approaches shows the advantages of the proposed theory.
Abstract（参考訳）: ぼやけは、取り除くのが難しい画像劣化です。ぼかしに関する不変性は、ぼかしのないぼかし画像の記述と認識の代替手段を提供する。本稿では、ブラー不変量に関する元の統一的理論を示す。以前の全ての試みとは異なり、新しい理論はぼやけ型の事前の知識を必要としない。不変量は直交射影作用素によってフーリエ領域に構築され、モーメント展開は効率的で安定な計算に使用される。前述したぼやけた不変量はすべて、このアプローチの特別な場合であることが示されている。並列アプローチに対する実験的な比較は、提案理論の利点を示している。

関連論文リスト

Blur2Blur: Blur Conversion for Unsupervised Image Deblurring on Unknown Domains [19.573629029170128]
本稿では,特定のカメラ装置に適した画像分解アルゴリズムを訓練するための革新的なフレームワークを提案する。ぼやけた入力画像は、デブラーが難しいが、別のぼやけた画像に変換して、デブラーリングしやすくする。
論文参考訳（メタデータ） (2024-03-24T15:58:48Z)
Image Moment Invariants to Rotational Motion Blur [47.76259900246576]
本稿では,一般的な回転運動のぼかしの下で画像モーメント不変量を生成する新しい手法を提案する。我々の知る限りでは、回転運動のぼかしに対するモーメント不変性が文献で提案されたのはこれが初めてである。本研究で提案するモーメント不変量は,様々なタスクにおいて,他の機能よりも有意に優れていた。
論文参考訳（メタデータ） (2023-03-25T21:23:42Z)
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)
Point spread function estimation for blind image deblurring problems based on framelet transform [0.0]
ぼやけた処理によって失われた画像の近似は、画像処理において重要な問題である。第2の問題は、原画像の未知や点拡散関数の推定による最初の問題よりも計算が複雑である。拡散関数推定を近似するために、$l_0-alpha l_1$正規化とフレームレット変換による粗大な繰り返しに基づくアルゴリズムを導入する。提案手法は,テキスト,顔,自然など,さまざまな種類の画像について検討する。
論文参考訳（メタデータ） (2021-12-21T06:15:37Z)
Deblurring via Stochastic Refinement [85.42730934561101]
条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。提案手法は,PSNRなどの歪み指標の点で競合する。
論文参考訳（メタデータ） (2021-12-05T04:36:09Z)
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)
Mutual Affine Network for Spatially Variant Kernel Estimation in Blind Image Super-Resolution [130.32026819172256]
既存のブラインド画像超解像法(SR)は、ぼやけたカーネルが画像全体にわたって空間的に不変であると仮定する。本稿では,空間変動カーネル推定のための相互アフィンネットワーク(MANet)を提案する。
論文参考訳（メタデータ） (2021-08-11T16:11:17Z)
Geometric Moment Invariants to Motion Blur [4.8915390363596005]
動きのぼけ不変量の導出による動きのぼかしの干渉の除去に着目する。運動ボケの幾何学的モーメントと数学的モデルに基づいて,ボケ画像と原像の幾何学的モーメントが線形に関連していることを証明した。驚くべきことに、幾何モーメント不変量は空間変換だけでなく動きのぼやきにも不変である。
論文参考訳（メタデータ） (2021-01-21T14:50:34Z)
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)
End-to-end Interpretable Learning of Non-blind Image Deblurring [102.75982704671029]
非ブラインド画像のデブロワーリングは、通常、対応するシャープ画像の勾配に関する自然の先行によって正規化される線形最小二乗問題として定式化される。本稿では,(既知の)ぼかしと自然像前のカーネルの逆フィルタを用いて,リチャードソン解法を事前条件として提案する。
論文参考訳（メタデータ） (2020-07-03T15:45:01Z)

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。