論文の概要: Ill-Posed Image Reconstruction Without an Image Prior

• arxiv url: http://arxiv.org/abs/2304.05589v1
• Date: Wed, 12 Apr 2023 03:35:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 16:18:40.236754
• Title: Ill-Posed Image Reconstruction Without an Image Prior
• Title（参考訳）: 先行画像のない不適切な画像再構成
• Authors: Oscar Leong and Angela F. Gao and He Sun and Katherine L. Bouman
• Abstract要約: 画像の先行や基礎的な例にアクセスせずに、不適切な画像逆問題を解決することを検討する。 本研究では,任意の画像の構造を符号化する事前制約を用いた逆問題の解法ではなく,集合構造に対する事前制約を併用して逆問題の集合を解くことを提案する。
• 参考スコア（独自算出の注目度）: 10.95255225121041
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider solving ill-posed imaging inverse problems without access to an image prior or ground-truth examples. An overarching challenge in these inverse problems is that an infinite number of images, including many that are implausible, are consistent with the observed measurements. Thus, image priors are required to reduce the space of possible solutions to more desireable reconstructions. However, in many applications it is difficult or potentially impossible to obtain example images to construct an image prior. Hence inaccurate priors are often used, which inevitably result in biased solutions. Rather than solving an inverse problem using priors that encode the spatial structure of any one image, we propose to solve a set of inverse problems jointly by incorporating prior constraints on the collective structure of the underlying images. The key assumption of our work is that the underlying images we aim to reconstruct share common, low-dimensional structure. We show that such a set of inverse problems can be solved simultaneously without the use of a spatial image prior by instead inferring a shared image generator with a low-dimensional latent space. The parameters of the generator and latent embeddings are found by maximizing a proxy for the Evidence Lower Bound (ELBO). Once identified, the generator and latent embeddings can be combined to provide reconstructed images for each inverse problem. The framework we propose can handle general forward model corruptions, and we show that measurements derived from only a small number of ground-truth images ($\leqslant 150$) are sufficient for "prior-free" image reconstruction. We demonstrate our approach on a variety of convex and non-convex inverse problems, ranging from denoising, phase retrieval, and black hole video reconstruction.
• Abstract（参考訳）: 未解決画像や地中サンプルにアクセスせずに逆問題を解くことを検討する。 これらの逆問題における過大な課題は、観測された測定値と矛盾しない多くの画像を含む無限の数の画像が一致していることである。 したがって、より望まれる再構築への解決策の空間を縮小するために、画像の事前が必要である。 しかし、多くのアプリケーションでは、前もって画像を構築するためにサンプル画像を取得することは困難または不可能である。 したがって、不正確な前もしばしば使われ、必然的に偏りのある解となる。 本研究では,任意の画像の空間構造を符号化する先行問題を用いて逆問題を解決する代わりに,画像の集合構造に事前制約を組み込んだ逆問題集合を共同で解くことを提案する。 私たちの研究の重要な前提は、再構築を目指す基盤となるイメージが共通の低次元構造を共有することである。 共有画像生成器を低次元の潜在空間で推定することにより,先行して空間画像を用いることなく,このような逆問題を同時に解くことができることを示す。 ジェネレータと潜伏埋め込みのパラメータは、エビデンス下界(ELBO)のプロキシを最大化することによって得られる。 認識されると、生成元と潜伏埋め込みを組み合わせ、逆問題毎に再構成された画像を提供する。 我々が提案するフレームワークは, 一般的な前方モデル破壊を処理可能であり, 少数の地上画像 (\leqslant 150$) から得られる測定値が, 「優先的」な画像再構成に十分であることを示す。 我々は, 様々な凸・非凸逆問題に対して, ノイズ除去, 位相抽出, ブラックホールビデオ再構成などのアプローチを実証する。

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)
• Convergence Properties of Score-Based Models for Linear Inverse Problems Using Graduated Optimisation [44.99833362998488]
  本稿では,スコアベース生成モデル(SGM)を用いて逆問題の解法を提案する。 初期値とは無関係に,高Ms画像の復元が可能であることを示す。 ソースはGitHubで公開されている。
  論文  参考訳（メタデータ） (2024-04-29T13:47:59Z)
• Super-Resolution through StyleGAN Regularized Latent Search: A Realism-Fidelity Trade-off [3.212648064850423]
  本稿では,高分解能(HR)画像を低分解能(LR)画像から構築する問題に対処する。 最近の教師なしアプローチでは、HR画像上で事前訓練されたStyleGANの潜伏空間を探索し、入力LR画像に最もダウンスケールした画像を求める。 我々は、潜在空間における探索を制約する新しい正規化器を導入し、逆符号が元の画像多様体に存在することを保証する。
  論文  参考訳（メタデータ） (2023-11-28T16:27:24Z)
• Diffusion Posterior Illumination for Ambiguity-aware Inverse Rendering [63.24476194987721]
  画像からシーン特性を推定する逆レンダリングは、困難な逆問題である。 既存のソリューションの多くは、プリエントを逆レンダリングパイプラインに組み込んで、プラウシブルなソリューションを奨励している。 本稿では,自然照明マップ上で事前学習した確率拡散モデルを最適化フレームワークに統合する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-30T12:39:28Z)
• JoIN: Joint GANs Inversion for Intrinsic Image Decomposition [16.02463667910604]
  我々は,GAN(Generative Adversarial Networks)のバンクを用いて,不測の逆画像問題を解決することを提案する。 提案手法は,複雑な画像分布をキャプチャするGANの実証的な成功に基づいている。
  論文  参考訳（メタデータ） (2023-05-18T22:09:32Z)
• Image Reconstruction without Explicit Priors [10.95255225121041]
  提案手法では,画像前処理や地中処理を行なわずに,不適切な画像逆問題に対処することを検討する。 低次元の潜在空間を持つ共有画像生成器を学習することにより,そのような逆問題の集合を同時に解くことができることを示す。
  論文  参考訳（メタデータ） (2023-03-21T22:35:04Z)
• RealFusion: 360{\deg} Reconstruction of Any Object from a Single Image [98.46318529630109]
  対象物の全360度写真モデルを1枚の画像から再構成する際の問題点を考察する。 拡散に基づく自己条件付き画像生成装置を設計し、オブジェクトの新たなビューを"ドレームアップ"するよう促すプロンプトを設計する。
  論文  参考訳（メタデータ） (2023-02-21T13:25:35Z)
• Invertible Rescaling Network and Its Extensions [118.72015270085535]
  本研究では,新たな視点から双方向の劣化と復元をモデル化する,新しい可逆的枠組みを提案する。 我々は、有効な劣化画像を生成し、失われたコンテンツの分布を変換する可逆モデルを開発する。 そして、ランダムに描画された潜在変数とともに、生成された劣化画像に逆変換を適用することにより、復元可能とする。
  論文  参考訳（メタデータ） (2022-10-09T06:58:58Z)
• Multi-view 3D Reconstruction of a Texture-less Smooth Surface of Unknown Generic Reflectance [86.05191217004415]
  表面反射率の不明なテクスチャレス物体の多視点再構成は難しい課題である。 本稿では,コライトスキャナーをベースとした,この問題に対するシンプルで堅牢な解法を提案する。
  論文  参考訳（メタデータ） (2021-05-25T01:28:54Z)
• InfinityGAN: Towards Infinite-Resolution Image Synthesis [92.40782797030977]
  任意の解像度画像を生成するinfinityganを提案する。 少ない計算資源でパッチバイパッチをシームレスに訓練し、推論する方法を示す。
  論文  参考訳（メタデータ） (2021-04-08T17:59:30Z)
• Exploiting Deep Generative Prior for Versatile Image Restoration and Manipulation [181.08127307338654]
  本研究は, 大規模自然画像に基づいて学習したGAN(Generative Adversarial Network)により, 得られた画像の有効利用方法を示す。 深層生成前駆体(DGP)は、色、パッチ、解像度、様々な劣化した画像の欠落したセマンティクスを復元するための説得力のある結果を提供する。
  論文  参考訳（メタデータ） (2020-03-30T17:45:07Z)

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。