論文の概要: Region-wise matching for image inpainting based on adaptive weighted low-rank decomposition

• arxiv url: http://arxiv.org/abs/2303.12421v1
• Date: Wed, 22 Mar 2023 09:38:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-23 14:35:21.097003
• Title: Region-wise matching for image inpainting based on adaptive weighted low-rank decomposition
• Title（参考訳）: 適応重み付き低ランク分解に基づく画像インペインティングの領域的マッチング
• Authors: Shenghai Liao, Xuya Liu, Ruyi Han, Shujun Fu, Yuanfeng Zhou and Yuliang Li
• Abstract要約: デジタル画像の塗装は問題であり、欠落した(未知の)領域のコンテンツを推測して、既知の領域データに一致する。 低位と非局所的な自己相似性は、イメージインペイントの2つの重要な先行点である。 対象パッチの近傍を複数のサブリージョンに分割し,各サブリージョン内で最も類似した領域を探索することにより,領域ワイズ(RwM)アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 4.323678254948305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital image inpainting is an interpolation problem, inferring the content in the missing (unknown) region to agree with the known region data such that the interpolated result fulfills some prior knowledge. Low-rank and nonlocal self-similarity are two important priors for image inpainting. Based on the nonlocal self-similarity assumption, an image is divided into overlapped square target patches (submatrices) and the similar patches of any target patch are reshaped as vectors and stacked into a patch matrix. Such a patch matrix usually enjoys a property of low rank or approximately low rank, and its missing entries are recoveried by low-rank matrix approximation (LRMA) algorithms. Traditionally, $n$ nearest neighbor similar patches are searched within a local window centered at a target patch. However, for an image with missing lines, the generated patch matrix is prone to having entirely-missing rows such that the downstream low-rank model fails to reconstruct it well. To address this problem, we propose a region-wise matching (RwM) algorithm by dividing the neighborhood of a target patch into multiple subregions and then search the most similar one within each subregion. A non-convex weighted low-rank decomposition (NC-WLRD) model for LRMA is also proposed to reconstruct all degraded patch matrices grouped by the proposed RwM algorithm. We solve the proposed NC-WLRD model by the alternating direction method of multipliers (ADMM) and analyze the convergence in detail. Numerous experiments on line inpainting (entire-row/column missing) demonstrate the superiority of our method over other competitive inpainting algorithms. Unlike other low-rank-based matrix completion methods and inpainting algorithms, the proposed model NC-WLRD is also effective for removing random-valued impulse noise and structural noise (stripes).
• Abstract（参考訳）: デジタル画像インパインティングは補間問題であり、欠落した(未知)領域の内容が既知の領域データと一致して、補間結果が事前の知識を満たすように推論される。 低位と非局所的な自己相似性は、画像インパインティングの重要な2つの優先事項である。 非局所的自己相似性仮定に基づき、画像は重複した正方形ターゲットパッチ(サブマトリックス)に分割され、任意のターゲットパッチの類似パッチはベクトルとして再形成され、パッチマトリックスに積み重ねられる。 このようなパッチ行列は通常、低い階数またはほぼ低い階数の特性を楽しみ、その欠落したエントリはローランク行列近似(LRMA)アルゴリズムによって回復される。 伝統的に、n$ 近辺の類似のパッチはターゲットパッチを中心にしたローカルウィンドウ内で検索される。 しかし、ラインが不足している画像の場合、生成されたパッチマトリックスは、下流のローランクモデルがうまく再構成できないような完全に欠落した行を持つ傾向がある。 この問題に対処するために,対象パッチの近傍を複数のサブリージョンに分割し,各サブリージョン内で最も類似した領域を探索するrwmアルゴリズムを提案する。 LRMAのための非凸重み付き低ランク分解(NC-WLRD)モデルも提案され、RwMアルゴリズムによってグループ化されたすべての劣化パッチ行列を再構成する。 本稿では,乗算器の交互方向法(ADMM)により提案したNC-WLRDモデルを解くとともに,収束度を詳細に解析する。 ラインインペインティングに関する数多くの実験(エンドレスロー/カラム欠落)は、他の競合インペインティングアルゴリズムよりも優れた方法を示している。 他の低ランク行列補完法や塗装アルゴリズムとは異なり、提案したNC-WLRDは無作為なインパルスノイズや構造ノイズ(ストリップ)の除去にも有効である。

関連論文リスト

• Learning to Rank Patches for Unbiased Image Redundancy Reduction [80.93989115541966]
  画像は、隣接する領域の画素が空間的に相関しているため、空間的冗長性に悩まされる。 既存のアプローチでは、意味の少ない画像領域を減らし、この制限を克服しようとしている。 本稿では,Learning to Rank Patchesと呼ばれる画像冗長性低減のための自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T13:12:41Z)
• RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
  画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。 このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
  論文  参考訳（メタデータ） (2024-03-28T06:22:45Z)
• Spectral Entry-wise Matrix Estimation for Low-Rank Reinforcement Learning [53.445068584013896]
  低ランク構造を持つ強化学習(RL)における行列推定問題について検討した。 低ランク帯では、回収される行列は期待される腕の報酬を指定し、低ランクマルコフ決定プロセス(MDP)では、例えばMDPの遷移カーネルを特徴付ける。 簡単なスペクトルベースの行列推定手法は,行列の特異部分空間を効率よく復元し,ほぼ最小の入力誤差を示すことを示す。
  論文  参考訳（メタデータ） (2023-10-10T17:06:41Z)
• Learning the Positions in CountSketch [49.57951567374372]
  本稿では,まずランダムなスケッチ行列に乗じてデータを圧縮し,最適化問題を高速に解くスケッチアルゴリズムについて検討する。 本研究では,ゼロでないエントリの位置を最適化する学習ベースアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-11T07:28:35Z)
• Multi-channel Nuclear Norm Minus Frobenius Norm Minimization for Color Image Denoising [9.20787253404652]
  従来の戦略の1つは、RGBイメージを相関の少ない色空間に変換し、新しい空間の各チャネルを別々に識別することである。 本稿では,核ノルムの最小化フレームワークであるフロベニウス・ノルム最小化フレームワークを用いて,カラー画像のマルチチャネル最適化モデルを提案する。 合成および実ノイズデータセットによる実験結果は,提案モデルが最先端モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-16T04:10:29Z)
• Adaptive Non-linear Filtering Technique for Image Restoration [0.0]
  画像中の帯域線, ドロップライン, マーク, バンド損失, インパルスを除去するための決定に基づく非線形アルゴリズムを提案する。 アルゴリズムは2つの同時動作、すなわち、破損したピクセルの検出と、破損したピクセルを置き換えるための新しいピクセルの評価を行う。
  論文  参考訳（メタデータ） (2022-04-20T08:36:59Z)
• Manifold-Inspired Single Image Interpolation [17.304301226838614]
  単画像への多くのアプローチは半局所類似性を利用するために多様体モデルを使用する。 入力画像のエイリアス化は どちらの部分も困難です 本稿では,重度のエイリアス領域におけるエイリアス除去のための適応手法を提案する。 この技術は、強いエイリアスが存在する場合でも、類似したパッチを確実に識別することができる。
  論文  参考訳（メタデータ） (2021-07-31T04:29:05Z)
• Inpainting Transformer for Anomaly Detection [0.0]
  Inpainting Transformer(InTra)は、多数のイメージパッチにカバーパッチを塗布するように訓練されている。 InTraは、検出とローカライゼーションのためのMVTec ADデータセットの最先端結果よりも優れている。
  論文  参考訳（メタデータ） (2021-04-28T17:27:44Z)
• Image Denoising by Gaussian Patch Mixture Model and Low Rank Patches [0.0]
  類似したマッチングマッチングの精度を向上し、ガウス雑音に対する適切な低階行列近似モデルを構築する方法という2つの問題を解くことによって、新しい手法を提案する。 この2つの問題を解くことにより,提案手法が最先端の復調法より優れていることを示す実験結果が報告された。
  論文  参考訳（メタデータ） (2020-11-20T09:28:04Z)
• LM-Reloc: Levenberg-Marquardt Based Direct Visual Relocalization [54.77498358487812]
  LM-Relocは、直接画像アライメントに基づく視覚的再ローカライズのための新しいアプローチである。 本稿では,LM-Net を学習するための古典的レバンス・マルカルトアルゴリズムにインスパイアされた損失定式化を提案する。
  論文  参考訳（メタデータ） (2020-10-13T12:15:20Z)
• 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。