論文の概要: Semi-sparsity Priors for Image Structure Analysis and Extraction
- arxiv url: http://arxiv.org/abs/2308.09141v1
- Date: Thu, 17 Aug 2023 18:22:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-21 15:36:05.690964
- Title: Semi-sparsity Priors for Image Structure Analysis and Extraction
- Title(参考訳): 画像構造解析と抽出のための半スパーシティ・プリエント
- Authors: Junqing Huang, Haihui Wang, Michael Ruzhansky
- Abstract要約: 画像構造解析と抽出のための半スパース正規化フレームワークを提案する。
有名な階段のアーチファクトを導入することなく,画像構造を保存できることが示される。
また,乗算器の方向法(ADMM)に基づく効率的な数値解も導入する。
- 参考スコア(独自算出の注目度): 3.130722489512822
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Image structure-texture decomposition is a long-standing and fundamental
problem in both image processing and computer vision fields. In this paper, we
propose a generalized semi-sparse regularization framework for image structural
analysis and extraction, which allows us to decouple the underlying image
structures from complicated textural backgrounds. Combining with different
textural analysis models, such a regularization receives favorable properties
differing from many traditional methods. We demonstrate that it is not only
capable of preserving image structures without introducing notorious staircase
artifacts in polynomial-smoothing surfaces but is also applicable for
decomposing image textures with strong oscillatory patterns. Moreover, we also
introduce an efficient numerical solution based on an alternating direction
method of multipliers (ADMM) algorithm, which gives rise to a simple and
maneuverable way for image structure-texture decomposition. The versatility of
the proposed method is finally verified by a series of experimental results
with the capability of producing comparable or superior image decomposition
results against cutting-edge methods.
- Abstract(参考訳): 画像構造・テクスチャ分解は、画像処理とコンピュータビジョンの両方において、長年の根本的な問題である。
本稿では,画像構造解析と抽出のための一般化半スパース正規化フレームワークを提案する。
異なるテクスチャ解析モデルと組み合わせることで、そのような正規化は多くの従来の方法とは異なる好ましい特性を得られる。
多項式スムーシング面に悪名高い階段アーティファクトを導入することなく画像構造を保存できるだけでなく,強い振動パターンを持つ画像テクスチャの分解にも応用できることを示す。
さらに,乗算器アルゴリズムの交互方向法(ADMM)に基づく効率的な数値解を導入し,画像構造・テクスチャ分解の簡易かつ操作可能な方法を提案する。
提案手法の汎用性は, カットエッジ法に対して, 同等あるいは優れた画像分解結果を生成できることで, 一連の実験結果によって検証された。
関連論文リスト
- Research on Image Super-Resolution Reconstruction Mechanism based on Convolutional Neural Network [8.739451985459638]
超解像アルゴリズムは、同一シーンから撮影された1つ以上の低解像度画像を高解像度画像に変換する。
再構成過程における画像の特徴抽出と非線形マッピング手法は,既存のアルゴリズムでは依然として困難である。
目的は、高解像度の画像から高品質で高解像度の画像を復元することである。
論文 参考訳(メタデータ) (2024-07-18T06:50:39Z) - Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。
本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。
心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
論文 参考訳(メタデータ) (2024-01-04T08:46:39Z) - Pyramid Texture Filtering [86.15126028139736]
目立った構造を保ちながらテクスチャをスムーズにするための,シンプルだが効果的な手法を提案する。
ガウスピラミッドの粗いレベルは、しばしば自然にテクスチャを排除し、主要な画像構造を要約する。
本手法は, 異なるスケール, 局所的なコントラスト, 形状のテクスチャから構造を分離する上で, 構造劣化や視覚的アーティファクトの導入を伴わずに有効であることを示す。
論文 参考訳(メタデータ) (2023-05-11T02:05:30Z) - Unsupervised Multimodal Change Detection Based on Structural
Relationship Graph Representation Learning [40.631724905575034]
教師なしマルチモーダル変化検出は、時間に敏感な緊急アプリケーションにおいて重要な役割を果たす、実用的で困難なトピックである。
マルチモーダル画像における2種類のモダリティ非依存構造関係を利用する。
本稿では,2つの構造関係の類似性を測定するための構造関係グラフ表現学習フレームワークを提案する。
論文 参考訳(メタデータ) (2022-10-03T13:55:08Z) - Joint Learning of Deep Texture and High-Frequency Features for
Computer-Generated Image Detection [24.098604827919203]
本稿では,CG画像検出のための深いテクスチャと高周波特徴を有する共同学習戦略を提案する。
セマンティックセグメンテーションマップを生成して、アフィン変換操作を誘導する。
原画像と原画像の高周波成分の組み合わせを、注意機構を備えたマルチブランチニューラルネットワークに供給する。
論文 参考訳(メタデータ) (2022-09-07T17:30:40Z) - An Optical physics inspired CNN approach for intrinsic image
decomposition [0.0]
内在画像分解は、画像の構成成分を生成する開放的な問題である。
画像から導出した物理パラメータを用いてこの分解が可能なニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-05-21T00:54:01Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳(メタデータ) (2021-03-25T15:20:10Z) - Generating Diverse Structure for Image Inpainting With Hierarchical
VQ-VAE [74.29384873537587]
本稿では,異なる構造を持つ複数の粗い結果を第1段階で生成し,第2段階ではテクスチャを増補して各粗い結果を別々に洗練する,多彩な塗布用2段階モデルを提案する。
CelebA-HQ, Places2, ImageNetデータセットによる実験結果から,本手法は塗布ソリューションの多様性を向上するだけでなく,生成した複数の画像の視覚的品質も向上することが示された。
論文 参考訳(メタデータ) (2021-03-18T05:10:49Z) - Image Inpainting Guided by Coherence Priors of Semantics and Textures [62.92586889409379]
セマンティクスとテクスチャ間のコヒーレンスプリエンスを導入することにより、セマンティクス的な方法で別々のテクスチャを完成させることに集中できる。
また,全体構造と詳細なテクスチャの観点から,セマンティクスとインペインテッドイメージの一貫性を制約する2つのコヒーレンス損失を提案する。
論文 参考訳(メタデータ) (2020-12-15T02:59:37Z) - Region-adaptive Texture Enhancement for Detailed Person Image Synthesis [86.69934638569815]
RATE-Netは、シャープなテクスチャで人物画像を合成するための新しいフレームワークである。
提案するフレームワークは,テクスチャ強化モジュールを利用して,画像から外観情報を抽出する。
DeepFashionベンチマークデータセットで実施された実験は、既存のネットワークと比較して、我々のフレームワークの優位性を実証した。
論文 参考訳(メタデータ) (2020-05-26T02:33:21Z)
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。