Fugu-MT 論文翻訳(概要): Self-supervised Deep Hyperspectral Inpainting with the Sparsity and Low-Rank Considerations

論文の概要: Self-supervised Deep Hyperspectral Inpainting with the Sparsity and Low-Rank Considerations

arxiv url: http://arxiv.org/abs/2306.08128v1
Date: Tue, 13 Jun 2023 20:49:02 GMT
ステータス: 処理完了
システム内更新日: 2023-06-16 22:51:53.018518
Title: Self-supervised Deep Hyperspectral Inpainting with the Sparsity and Low-Rank Considerations
Title（参考訳）: 空間的・低レベルを考慮した自己監督型深度ハイパースペクトル塗装
Authors: Shuo Li, Mehrdad Yaghoobi
Abstract要約: ハイパースペクトル画像は様々なノイズ、歪み、データ損失の影響を受けやすい。ハイパインティングアルゴリズムに2つの新しい自己教師付き画像(HSI)を導入する。我々は,アルゴリズムの収束を保証する軽微な仮定の下で安定性解析を行う。
参考スコア（独自算出の注目度）: 7.777433987363129
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Hyperspectral images are typically composed of hundreds of narrow and contiguous spectral bands, each containing information about the material composition of the imaged scene. However, these images can be affected by various sources of noise, distortions, or data losses, which can significantly degrade their quality and usefulness. To address these problems, we introduce two novel self-supervised Hyperspectral Images (HSI) inpainting algorithms: Low Rank and Sparsity Constraint Plug-and-Play (LRS-PnP), and its extension LRS-PnP-DIP, which features the strong learning capability, but is still free of external training data. We conduct the stability analysis under some mild assumptions which guarantees the algorithm to converge. It is specifically very helpful for the practical applications. Extensive experiments demonstrate that the proposed solution is able to produce visually and qualitatively superior inpainting results, achieving state-of-the-art performance. The code for reproducing the results is available at \url{https://github.com/shuoli0708/LRS-PnP-DIP}.
Abstract（参考訳）: ハイパースペクトル画像は通常、数百の狭く連続したスペクトル帯域で構成され、それぞれが撮影されたシーンの素材構成に関する情報を含んでいる。しかし、これらの画像は様々なノイズ、歪み、データ損失の影響を受け、品質や有用性を著しく低下させる可能性がある。これらの問題に対処するために、低ランクとスパシティ制約プラグ・アンド・プレイ(LRS-PnP)という2つの新しい自己監督型ハイパースペクトル画像(HSI)インペイントアルゴリズムと、強力な学習能力を特徴とする拡張LSS-PnP-DIPを導入する。我々は,アルゴリズムの収束を保証する軽微な仮定の下で安定性解析を行う。これは特に実用的な応用に非常に役立ちます。広汎な実験により,提案手法は視覚的,定性的に優れた塗装結果が得られることを示した。結果を再現するためのコードは \url{https://github.com/shuoli0708/LRS-PnP-DIP} で公開されている。

関連論文リスト

Multi-Scale Texture Loss for CT denoising with GANs [0.9349653765341301]
GAN(Generative Adversarial Networks)は、医療画像の応用を認知するための強力なフレームワークとして証明されている。本研究は,Gray-Level-Co-occurrence Matrix (GLCM) の内在的マルチスケール特性を利用した損失関数を提案する。また,画像から抽出したマルチスケールテクスチャ情報を動的に集約する自己認識層を導入する。
論文参考訳（メタデータ） (2024-03-25T11:28:52Z)
Self-Supervised Hyperspectral Inpainting with the Optimisation inspired Deep Neural Network Prior [7.777433987363129]
低ランクスカラー制約プラグアンドプレイ(LRS-DIP)と呼ばれる新しいHSI欠落画素予測アルゴリズムを導入する。 LRS-DIPは、欠落したピクセルやスペクトル帯域の欠落を予測できる。
論文参考訳（メタデータ） (2023-06-12T13:48:37Z)
Super-Resolution of License Plate Images Using Attention Modules and Sub-Pixel Convolution Layers [3.8831062015253055]
監視画像における構造的特徴およびテクスチャ的特徴の検出を強化するために,Single-Image Super-Resolution (SISR) アプローチを導入する。提案手法は,サブピクセルの畳み込み層と,光学的文字認識(OCR)モデルを用いて特徴抽出を行うロス関数を含む。以上の結果から, これらの低解像度合成画像の再構成手法は, 定量化と定性化の両面で, 既存の画像よりも優れていたことが示唆された。
論文参考訳（メタデータ） (2023-05-27T00:17:19Z)
Combining Attention Module and Pixel Shuffle for License Plate Super-Resolution [3.8831062015253055]
本研究は,低解像度・低画質画像におけるライセンスプレート(LP)再構成に焦点を当てた。本稿では、注目/変圧器モジュールの概念を拡張したシングルイメージ超解法(SISR)アプローチを提案する。実験では, 提案手法は, 定量的および定性的に, ベースラインよりも優れていた。
論文参考訳（メタデータ） (2022-10-30T13:05:07Z)
Blind Super-Resolution for Remote Sensing Images via Conditional Stochastic Normalizing Flows [14.882417028542855]
本稿では、上記の問題に対処するために、正規化フロー(BlindSRSNF)に基づく新しいブラインドSRフレームワークを提案する。 BlindSRSNFは、低解像度(LR)画像が与えられた高解像度画像空間上の条件確率分布を、確率の変動境界を明示的に最適化することによって学習する。提案アルゴリズムは,シミュレーションLRと実世界RSIの両方において,視覚的品質の優れたSR結果が得られることを示す。
論文参考訳（メタデータ） (2022-10-14T12:37:32Z)
Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image Denoising [50.039949798156826]
本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
論文参考訳（メタデータ） (2022-07-09T13:35:12Z)
Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文参考訳（メタデータ） (2022-06-07T14:55:32Z)
Real-World Image Super-Resolution by Exclusionary Dual-Learning [98.36096041099906]
実世界の画像超解像は,高品質な画像を得るための実用的な画像復元問題である。深層学習に基づく手法は、現実世界の超解像データセットの復元に期待できる品質を実現している。本稿では,RWSR-EDL(Real-World Image Super-Resolution by Exclusionary Dual-Learning)を提案する。
論文参考訳（メタデータ） (2022-06-06T13:28:15Z)
Enhancing Low-Light Images in Real World via Cross-Image Disentanglement [58.754943762945864]
そこで本研究では,現実の汚職とミスアライメントされたトレーニング画像からなる,新しい低照度画像強調データセットを提案する。本モデルでは,新たに提案したデータセットと,他の一般的な低照度データセットの両方に対して,最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2022-01-10T03:12:52Z)
Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
空間情報とスペクトル情報の相互モダリティ分布が問題となる。本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
論文参考訳（メタデータ） (2020-06-18T06:32:11Z)
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。