論文の概要: HIDFlowNet: A Flow-Based Deep Network for Hyperspectral Image Denoising

• arxiv url: http://arxiv.org/abs/2306.17797v1
• Date: Tue, 20 Jun 2023 08:20:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-09 14:00:38.059427
• Title: HIDFlowNet: A Flow-Based Deep Network for Hyperspectral Image Denoising
• Title（参考訳）: HIDFlowNet - ハイパースペクトル画像復調のためのフローベースディープネットワーク
• Authors: Li Pang, Weizhen Gu, Xiangyong Cao, Xiangyu Rui, Jiangjun Peng, Shuang Xu, Gang Yang, Deyu Meng
• Abstract要約: ノイズの多いHSIを複数のクリーンなHSIから分解できるため、ハイパスペクトル画像(HSI)の劣化は本質的には不良である。 本稿では, 清浄なHSIの条件分布を学習するためのフローベースHSI Denoising Network (HIDFlowNet)を提案する。
• 参考スコア（独自算出の注目度）: 44.13660701641694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral image (HSI) denoising is essentially ill-posed since a noisy HSI can be degraded from multiple clean HSIs. However, current deep learning-based approaches ignore this fact and restore the clean image with deterministic mapping (i.e., the network receives a noisy HSI and outputs a clean HSI). To alleviate this issue, this paper proposes a flow-based HSI denoising network (HIDFlowNet) to directly learn the conditional distribution of the clean HSI given the noisy HSI and thus diverse clean HSIs can be sampled from the conditional distribution. Overall, our HIDFlowNet is induced from the flow methodology and contains an invertible decoder and a conditional encoder, which can fully decouple the learning of low-frequency and high-frequency information of HSI. Specifically, the invertible decoder is built by staking a succession of invertible conditional blocks (ICBs) to capture the local high-frequency details since the invertible network is information-lossless. The conditional encoder utilizes down-sampling operations to obtain low-resolution images and uses transformers to capture correlations over a long distance so that global low-frequency information can be effectively extracted. Extensive experimental results on simulated and real HSI datasets verify the superiority of our proposed HIDFlowNet compared with other state-of-the-art methods both quantitatively and visually.
• Abstract（参考訳）: ノイズの多いHSIを複数のクリーンなHSIから分解できるため、ハイパスペクトル画像(HSI)の劣化は本質的には不良である。 しかし、現在のディープラーニングベースのアプローチはこの事実を無視し、決定論的マッピングでクリーンなイメージを復元する(すなわち、ネットワークはノイズの多いHSIを受け取り、クリーンなHSIを出力する)。 そこで本稿では, ノイズの多いHSIの条件分布を直接学習するフローベースHSI denoising Network (HIDFlowNet)を提案する。 全体として、HIDFlowNetはフロー手法から誘導され、HSIの低周波および高周波情報の学習を完全に分離できる可逆デコーダと条件エンコーダを含む。 具体的には、インバータブルデコーダは、インバータブルネットワークが情報ロスレスであるため、ローカルな高周波の詳細をキャプチャするために、インバータブルコンディショナルブロック(ICB)を継承することで構築される。 条件エンコーダは、ダウンサンプリング操作を利用して低解像度画像を取得し、トランスフォーマーを用いて長距離の相関を捉え、グローバルな低周波情報を効果的に抽出する。 シミュレーションおよび実HSIデータセットの大規模な実験結果から,提案したHIDFlowNetの優位性を定量的および視覚的に検証した。

関連論文リスト

• Diffusion-Aided Joint Source Channel Coding For High Realism Wireless Image Transmission [24.372996233209854]
  DiffJSCCは条件拡散復調法により高現実性画像を生成する新しいフレームワークである。 768x512ピクセルのコダック画像を3072のシンボルで再現できる。
  論文  参考訳（メタデータ） (2024-04-27T00:12:13Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• HIR-Diff: Unsupervised Hyperspectral Image Restoration Via Improved Diffusion Models [38.74983301496911]
  ハイパースペクトル画像(HSI)の復元は、劣化した観察からクリーンなイメージを復元することを目的としている。 既存のモデルに基づく手法は、複雑な画像の特徴を正確にモデル化するのに限界がある。 本稿では,事前学習拡散モデル(HIR-Diff)を用いた教師なしHSI復元フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-24T17:15:05Z)
• Hyperspectral Image Denoising via Self-Modulating Convolutional Neural Networks [15.700048595212051]
  相関スペクトルと空間情報を利用した自己変調畳み込みニューラルネットワークを提案する。 モデルの中心には新しいブロックがあり、隣り合うスペクトルデータに基づいて、ネットワークが適応的に特徴を変換することができる。 合成データと実データの両方の実験解析により,提案したSM-CNNは,他の最先端HSI復調法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-15T06:57:43Z)
• Degradation-Noise-Aware Deep Unfolding Transformer for Hyperspectral Image Denoising [9.119226249676501]
  ハイパースペクトル画像(HSI)は、帯域幅が狭いため、ノイズが多いことが多い。 HSIデータキューブのノイズを低減するため、モデル駆動型と学習型の両方の復調アルゴリズムが提案されている。 本稿では,これらの問題に対処するDNA-Net(Degradation-Noise-Aware Unfolding Network)を提案する。
  論文  参考訳（メタデータ） (2023-05-06T13:28:20Z)
• Multi-stage image denoising with the wavelet transform [125.2251438120701]
  深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。 動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
  論文  参考訳（メタデータ） (2022-09-26T03:28:23Z)
• Low-Light Hyperspectral Image Enhancement [90.84144276935464]
  本研究は,暗黒領域に隠された空間スペクトル情報を明らかにすることを目的とした,低照度HSI強調タスクに焦点を当てた。 ラプラシアのピラミッドの分解と再構成に基づいて, エンド・ツー・エンドのデータ駆動型低照度HSIエンハンスメント(HSIE)手法を開発した。 定量的評価と視覚効果の両面でのHSIEの有効性と効果を実証した。
  論文  参考訳（メタデータ） (2022-08-05T08:45:52Z)
• CVF-SID: Cyclic multi-Variate Function for Self-Supervised Image Denoising by Disentangling Noise from Image [53.76319163746699]
  そこで本研究では,CVF-SIDと呼ばれる,新しい,強力な自己監督型デノベーション手法を提案する。 CVF-SIDは、様々な自己教師付き損失項を活用することにより、入力からクリーンな画像とノイズマップを分離することができる。 最先端の自己監督型画像復調性能を達成し、既存のアプローチに匹敵する。
  論文  参考訳（メタデータ） (2022-03-24T11:59:28Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)

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。