論文の概要: Inverse problem regularization with hierarchical variational
autoencoders
- arxiv url: http://arxiv.org/abs/2303.11217v2
- Date: Fri, 29 Sep 2023 13:28:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-02 19:04:42.212265
- Title: Inverse problem regularization with hierarchical variational
autoencoders
- Title(参考訳): 階層型変分オートエンコーダによる逆問題正則化
- Authors: Jean Prost and Antoine Houdard and Andr\'es Almansa and Nicolas
Papadakis
- Abstract要約: HVAE (hierarchical variational autoencoder) は不規則な逆問題に対して正規化するために提案される。
HVAEはどんな大きさの自然画像でも画像復元の問題を解決することができる。
- 参考スコア(独自算出の注目度): 6.257821009472099
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose to regularize ill-posed inverse problems using a
deep hierarchical variational autoencoder (HVAE) as an image prior. The
proposed method synthesizes the advantages of i) denoiser-based Plug \& Play
approaches and ii) generative model based approaches to inverse problems.
First, we exploit VAE properties to design an efficient algorithm that benefits
from convergence guarantees of Plug-and-Play (PnP) methods. Second, our
approach is not restricted to specialized datasets and the proposed PnP-HVAE
model is able to solve image restoration problems on natural images of any
size. Our experiments show that the proposed PnP-HVAE method is competitive
with both SOTA denoiser-based PnP approaches, and other SOTA restoration
methods based on generative models.
- Abstract(参考訳): 本稿では,HVAE(Deep Hierarchical Variational Autoencoder)を画像として,不規則な逆問題に対する正規化を提案する。
提案手法は,その利点を合成する
i)denoiser ベースの plug \&play アプローチ及び
二 逆問題に対する生成モデルに基づくアプローチ
まず,プラグ・アンド・プレイ法(pnp)の収束保証の利点を享受する効率的なアルゴリズムの設計にvae特性を利用する。
第2に,提案するPnP-HVAEモデルでは,任意のサイズの自然画像に対する画像復元問題を解くことができる。
提案手法は, PnP-HVAE法とSOTAデノイザを用いたPnP法と, 生成モデルに基づく他のSOTA復元法との競合性を示す。
関連論文リスト
- Causal Context Adjustment Loss for Learned Image Compression [72.7300229848778]
近年,学習画像圧縮(lic)技術は,特にRD性能の点で従来の手法を上回りつつある。
現在の技術のほとんどは、自己回帰エントロピーモデルを備えたVAEベースで、デコードされた因果コンテキストを利用してRD性能を向上する。
本稿では,提案した因果文脈調整損失を用いて因果文脈を的確に調整する方法を初めて検討する。
論文 参考訳(メタデータ) (2024-10-07T09:08:32Z) - Variational Bayes image restoration with compressive autoencoders [4.879530644978008]
逆問題の正規化は、計算イメージングにおいて最重要となる。
本研究では,まず,最先端生成モデルの代わりに圧縮型オートエンコーダを提案する。
第2の貢献として、変分ベイズ潜時推定(VBLE)アルゴリズムを導入する。
論文 参考訳(メタデータ) (2023-11-29T15:49:31Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - 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) - Perception-Distortion Balanced ADMM Optimization for Single-Image
Super-Resolution [29.19388490351459]
低周波制約(LFc-SR)を持つ新しい超解像モデルを提案する。
制約付きモデルの非自明な学習のためのADMMに基づく交互最適化手法を提案する。
実験の結果,提案手法は加工後処理の煩雑さを伴わず,最先端の性能を達成できた。
論文 参考訳(メタデータ) (2022-08-05T05:37:55Z) - Uncovering the Over-smoothing Challenge in Image Super-Resolution: Entropy-based Quantification and Contrastive Optimization [67.99082021804145]
我々はDetail Enhanced Contrastive Loss (DECLoss)と呼ばれるCOO問題に対する明確な解決策を提案する。
DECLossはコントラスト学習のクラスタリング特性を利用して、潜在的な高分解能分布の分散を直接的に低減する。
我々は複数の超高解像度ベンチマーク上でDECLosを評価し,PSNR指向モデルの知覚品質を向上させることを実証した。
論文 参考訳(メタデータ) (2022-01-04T08:30:09Z) - TFPnP: Tuning-free Plug-and-Play Proximal Algorithm with Applications to
Inverse Imaging Problems [22.239477171296056]
Plug-and-Play (MM) は非最適化フレームワークであり、例えば、数値アルゴリズムと高度なデノゲーション前処理を組み合わせたものである。
我々は、学習戦略とともに最先端の成果である、より難解な問題に対するいくつかの実践的考察について論じる。
論文 参考訳(メタデータ) (2020-11-18T14:19:30Z) - 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) - 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)
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。