論文の概要: Equivariant plug-and-play image reconstruction

• arxiv url: http://arxiv.org/abs/2312.01831v1
• Date: Mon, 4 Dec 2023 12:07:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 15:12:40.172062
• Title: Equivariant plug-and-play image reconstruction
• Title（参考訳）: 等価なプラグアンドプレイ画像再構成
• Authors: Matthieu Terris, Thomas Moreau, Nelly Pustelnik, Julian Tachella
• Abstract要約: プラグ・アンド・プレイのアルゴリズムは、強力な事前訓練されたデノイザを利用して、逆画像の問題を解決することができる。 復号器上のある種の変換群に等しくなると、アルゴリズムの安定性が向上し、再構成品質が向上することを示す。 複数の画像モダリティとデノナイジングネットワークの実験により、同変プラグ・アンド・プレイ・アルゴリズムは再構成性能と安定性の両方を、同変でないものと比較して改善することを示した。
• 参考スコア（独自算出の注目度）: 11.777553240222712
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Plug-and-play algorithms constitute a popular framework for solving inverse imaging problems that rely on the implicit definition of an image prior via a denoiser. These algorithms can leverage powerful pre-trained denoisers to solve a wide range of imaging tasks, circumventing the necessity to train models on a per-task basis. Unfortunately, plug-and-play methods often show unstable behaviors, hampering their promise of versatility and leading to suboptimal quality of reconstructed images. In this work, we show that enforcing equivariance to certain groups of transformations (rotations, reflections, and/or translations) on the denoiser strongly improves the stability of the algorithm as well as its reconstruction quality. We provide a theoretical analysis that illustrates the role of equivariance on better performance and stability. We present a simple algorithm that enforces equivariance on any existing denoiser by simply applying a random transformation to the input of the denoiser and the inverse transformation to the output at each iteration of the algorithm. Experiments on multiple imaging modalities and denoising networks show that the equivariant plug-and-play algorithm improves both the reconstruction performance and the stability compared to their non-equivariant counterparts.
• Abstract（参考訳）: プラグ・アンド・プレイアルゴリズムは、デノイザーを介して画像の暗黙的な定義に依存する逆イメージング問題を解決するための一般的なフレームワークである。 これらのアルゴリズムは、強力な事前訓練されたデノイザーを活用して、幅広いイメージングタスクを解決し、タスク毎のモデルトレーニングの必要性を回避できる。 残念なことに、プラグ・アンド・プレイ法はしばしば不安定な振る舞いを示し、汎用性の約束を妨げ、再構成された画像の最適でない品質をもたらす。 本研究では,デノイザ上のある種の変換群(回転,反射,および/又は変換)に同値を課すことで,アルゴリズムの安定性が向上し,再構成品質が向上することを示す。 より優れた性能と安定性における等価性の役割を理論的に示す。 本稿では,デノイザの入力に対するランダム変換と,アルゴリズムの各繰り返しにおける出力に対する逆変換を単純に適用することで,既存のデノイザに等価性を適用する単純なアルゴリズムを提案する。 複数の画像モダリティとデノナイジングネットワークの実験により、同変プラグ・アンド・プレイアルゴリズムは再構成性能と安定性を、同変でないものと比較して改善することが示された。

関連論文リスト

• Iteratively Refined Image Reconstruction with Learned Attentive Regularizers [14.93489065234423]
  本稿では,ディープラーニングの力を活用した画像再構成のための正規化手法を提案する。 これは一連の凸問題の最小化に対応するためである。 解釈可能性、理論的保証、信頼性、パフォーマンスの両立を約束するバランスを提供します。
  論文  参考訳（メタデータ） (2024-07-09T07:22:48Z)
• ReNoise: Real Image Inversion Through Iterative Noising [62.96073631599749]
  本研究では,操作数を増やすことなく,高い品質と操作率の逆転法を導入し,再現精度を向上する。 我々は,近年の高速化拡散モデルを含む様々なサンプリングアルゴリズムとモデルを用いて,Renoise手法の性能を評価する。
  論文  参考訳（メタデータ） (2024-03-21T17:52:08Z)
• Plug-and-Play image restoration with Stochastic deNOising REgularization [8.678250057211368]
  SNORE(Denoising Regularization)と呼ばれる新しいフレームワークを提案する。 SNOREは、適切なレベルのノイズのある画像のみにデノイザを適用する。 これは明示的な正則化に基づいており、逆問題を解決するための降下につながる。
  論文  参考訳（メタデータ） (2024-02-01T18:05:47Z)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)
• Denoising Diffusion Restoration Models [110.1244240726802]
  Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。 DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
  論文  参考訳（メタデータ） (2022-01-27T20:19:07Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• Learned convex regularizers for inverse problems [3.294199808987679]
  本稿では,逆問題に対する正規化器として,データ適応型入力ニューラルネットワーク(ICNN)を学習することを提案する。 パラメータ空間における単調な誤差を反復で減少させる部分次アルゴリズムの存在を実証する。 提案した凸正則化器は, 逆問題に対する最先端のデータ駆動技術に対して, 少なくとも競争力があり, 時には優位であることを示す。
  論文  参考訳（メタデータ） (2020-08-06T18:58:35Z)
• Learnable Descent Algorithm for Nonsmooth Nonconvex Image Reconstruction [4.2476585678737395]
  非滑らかな非画像再構成問題を解決するための一般学習ベースのフレームワークを提案する。 提案手法は,画像における画像問題における効率のよい収束状態であることを示す。
  論文  参考訳（メタデータ） (2020-07-22T07:59:07Z)
• A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
  我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。 グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。 このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
  論文  参考訳（メタデータ） (2020-06-26T08:34:54Z)
• Fully Unsupervised Diversity Denoising with Convolutional Variational Autoencoders [81.30960319178725]
  完全畳み込み変分オートエンコーダ(VAE)に基づく復調手法であるDivNoisingを提案する。 まず, 撮像ノイズモデルをデコーダに明示的に組み込むことにより, 教師なしの雑音発生問題をVAEフレームワーク内に定式化する手法を提案する。 このようなノイズモデルは、ノイズの多いデータから測定したり、ブートストラップしたり、トレーニング中に共同学習したりすることが可能である。
  論文  参考訳（メタデータ） (2020-06-10T21:28:13Z)

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。