論文の概要: A New Low-Rank Learning Robust Quaternion Tensor Completion Method for
Color Video Inpainting Problem and Fast Algorithms
- arxiv url: http://arxiv.org/abs/2306.09652v1
- Date: Fri, 16 Jun 2023 07:15:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-19 14:50:14.100595
- Title: A New Low-Rank Learning Robust Quaternion Tensor Completion Method for
Color Video Inpainting Problem and Fast Algorithms
- Title（参考訳）: カラービデオインペインティング問題と高速アルゴリズムのための新しい低ランク学習ロバスト四元数テンソル補完法
- Authors: Zhigang Jia and Jingfei Zhu
- Abstract要約: 本稿では、この課題を解決し、正確な回復理論を導出するために、新しいロバスト四元数テンソル完備化(RQTC)モデルを提案する。
数値実験では,カラー映像の色の汚染を排除し,映像の連続性を保ちながらカラー映像を再現する手法が提案されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The color video inpainting problem is one of the most challenging problem in
the modern imaging science. It aims to recover a color video from a small part
of pixels that may contain noise. However, there are less of robust models that
can simultaneously preserve the coupling of color channels and the evolution of
color video frames. In this paper, we present a new robust quaternion tensor
completion (RQTC) model to solve this challenging problem and derive the exact
recovery theory. The main idea is to build a quaternion tensor optimization
model to recover a low-rank quaternion tensor that represents the targeted
color video and a sparse quaternion tensor that represents noise. This new
model is very efficient to recover high dimensional data that satisfies the
prior low-rank assumption. To solve the case without low-rank property, we
introduce a new low-rank learning RQTC model, which rearranges similar patches
classified by a quaternion learning method into smaller tensors satisfying the
prior low-rank assumption. We also propose fast algorithms with global
convergence guarantees. In numerical experiments, the proposed methods
successfully recover color videos with eliminating color contamination and
keeping the continuity of video scenery, and their solutions are of higher
quality in terms of PSNR and SSIM values than the state-of-the-art algorithms.
- Abstract（参考訳）: カラービデオの塗装問題は、現代の画像科学において最も難しい問題の一つだ。
ノイズのあるピクセルの小さな部分からカラービデオを復元することを目的としている。
しかし、カラーチャンネルの結合とカラービデオフレームの進化を同時に保存できるロバストなモデルは少ない。
本稿では、この課題を解決し、正確な回復理論を導出するために、新しい頑健な四元数テンソル完備化(RQTC)モデルを提案する。
主なアイデアは、ターゲット色ビデオを表す低ランク四元テンソルとノイズを表すスパース四元テンソルを復元する四元テンソル最適化モデルを構築することである。
この新しいモデルは、事前の低ランク仮定を満たす高次元データを復元するのに非常に効率的である。
そこで本研究では, 4次学習法で分類された類似パッチを, 先行する低位推定値を満たすより小さいテンソルに再構成する, 低位学習rqtcモデルを提案する。
また,グローバル収束保証付き高速アルゴリズムを提案する。
数値実験では,カラー映像の色の汚染を排除し,映像の連続性を保ちながらカラー映像を再現する手法が提案され,PSNRとSSIMの精度は最先端のアルゴリズムよりも高い。
関連論文リスト
- Quaternion Generative Adversarial Neural Networks and Applications to Color Image Inpainting [2.9409095383085386]
本稿では,QGANモデルとその関連理論について提案する。
実験結果から,QGANはカラー画像の塗布に優れ,面積が不足していることが明らかとなった。
論文 参考訳（メタデータ） (2024-06-17T14:04:17Z) - A New Cross-Space Total Variation Regularization Model for Color Image Restoration with Quaternion Blur Operator [20.00683294783224]
カラー画像の劣化に対する新しいクロススペース全変動(CSTV)正規化モデルを提案する。
解の存在と特異性が証明され、異なる色空間上で正規化項のバランスを求める新しいL曲線法が提案される。
カラー画像データベースに関する数値実験は、新しいモデルとアルゴリズムの有効性と有効性を示している。
論文 参考訳（メタデータ） (2024-05-20T15:29:26Z) - Progressive Fourier Neural Representation for Sequential Video
Compilation [75.43041679717376]
連続学習によって動機づけられたこの研究は、シーケンシャルエンコーディングセッションを通じて、複数の複雑なビデオデータに対して、ニューラル暗黙表現を蓄積し、転送する方法を研究する。
本稿では,FFNR(Progressive Fourier Neural Representation)という,FFNR(Progressive Fourier Neural Representation)という,FFNR(Progressive Fourier Neural Representation)という手法を提案する。
我々は,UVG8/17とDAVIS50のビデオシーケンスベンチマークでPFNR法を検証し,強力な連続学習ベースラインよりも優れた性能向上を実現した。
論文 参考訳（メタデータ） (2023-06-20T06:02:19Z) - 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) - Learning Dynamic View Synthesis With Few RGBD Cameras [60.36357774688289]
本稿では,RGBDカメラを用いて動的屋内シーンのフリー視点映像を合成することを提案する。
我々は、RGBDフレームから点雲を生成し、それをニューラル機能を介して、自由視点ビデオにレンダリングする。
そこで本研究では,未完成の深度を適応的に塗布して新規なビューを描画する,シンプルなRegional Depth-Inpaintingモジュールを提案する。
論文 参考訳（メタデータ） (2022-04-22T03:17:35Z) - A DCT-based Tensor Completion Approach for Recovering Color Images and
Videos from Highly Undersampled Data [0.8399688944263843]
アンダーサンプルデータからカラー画像や映像を復元する新しいテンソル補完手法を提案する。
カラー画像インペイントやビデオデータリカバリなどの数値実験により,提案手法は既存の多くのテンソル工法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2021-10-18T13:41:27Z) - Temporally Consistent Video Colorization with Deep Feature Propagation
and Self-regularization Learning [90.38674162878496]
時間的に一貫した新しいビデオカラー化フレームワーク(TCVC)を提案する。
TCVCは、フレームレベルの深い特徴を双方向的に効果的に伝播し、色付けの時間的一貫性を高める。
実験により,本手法は視覚的に満足な色付きビデオを得るだけでなく,最先端の手法よりも時間的整合性が得られることが示された。
論文 参考訳（メタデータ） (2021-10-09T13:00:14Z) - Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。
カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。
LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
論文 参考訳（メタデータ） (2021-03-19T04:00:27Z) - Non-Local Robust Quaternion Matrix Completion for Color Images and
Videos Inpainting [24.43507443273408]
カラー画像の低ランク特性とNASの因果関係について検討した。
新しいパッチグループに基づくNAS事前スキームを提案し,自然色画像のNASモデルを学習した。
カラー画像とビデオの数値実験は、最先端の手法に対するNASベースのQMCの利点を示している。
論文 参考訳（メタデータ） (2020-11-17T14:50:40Z) - CycleISP: Real Image Restoration via Improved Data Synthesis [166.17296369600774]
本稿では,前向きと逆方向のカメラ画像パイプラインをモデル化するフレームワークを提案する。
リアルな合成データに基づいて新しい画像認識ネットワークをトレーニングすることにより、実際のカメラベンチマークデータセット上で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） (2020-03-17T15:20:25Z) - Deep Blind Video Super-resolution [85.79696784460887]
本稿では,ビデオSRを曖昧なカーネルモデリング手法により解くために,深層畳み込みニューラルネットワーク(CNN)モデルを提案する。
提案したCNNモデルは、動きのぼかし推定、動きの推定、遅延画像復元モジュールからなる。
提案アルゴリズムは, より微細な構造情報を用いて, より鮮明な画像を生成することができることを示す。
論文 参考訳（メタデータ） (2020-03-10T13:43:24Z)
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。