論文の概要: A global optimization SAR image segmentation model can be easily
transformed to a general ROF denoising model
- arxiv url: http://arxiv.org/abs/2312.08376v1
- Date: Fri, 8 Dec 2023 23:26:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 14:38:00.860208
- Title: A global optimization SAR image segmentation model can be easily
transformed to a general ROF denoising model
- Title（参考訳）: 大域的最適化SAR画像分割モデルは一般ROF復調モデルに容易に変換できる
- Authors: Guangming Liu, Qi Liu, Jing Liang
- Abstract要約: 本研究では,Aubert-Aujol (AA) denoising model と変動レベル設定法に基づく新しい局所統計アクティブな輪郭モデル (LACM) を提案する。
我々は凸緩和手法を用いて提案モデルを大域最適化モデルに変換する。
いくつかの挑戦的な合成画像とEnvisat SAR画像を用いた実験は、提案したモデルの優位性を実証している。
- 参考スコア（独自算出の注目度）: 7.828096299183532
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a novel locally statistical active contour model
(LACM) based on Aubert-Aujol (AA) denoising model and variational level set
method, which can be used for SAR images segmentation with intensity
inhomogeneity. Then we transform the proposed model into a global optimization
model by using convex relaxation technique. Firstly, we apply the Split Bregman
technique to transform the global optimization model into two alternating
optimization processes of Shrink operator and Laplace operator, which is called
SB_LACM model. Moreover, we propose two fast models to solve the global
optimization model , which are more efficient than the SB_LACM model. The first
model is: we add the proximal function to transform the global optimization
model to a general ROF model[29], which can be solved by a fast denoising
algorithm proposed by R.-Q.Jia, and H.Zhao; Thus we obtain a fast segmentation
algorithm with global optimization solver that does not involve partial
differential equations or difference equation, and only need simple difference
computation. The second model is: we use a different splitting approach than
one model to transform the global optimization model into a differentiable term
and a general ROF model term, which can be solved by the same technique as the
first model. Experiments using some challenging synthetic images and Envisat
SAR images demonstrate the superiority of our proposed models with respect to
the state-of-the-art models.
- Abstract（参考訳）: 本論文では,Aubert-Aujol(Aubert-Aujol)復調モデルと変分レベル設定法に基づく局所統計アクティブな輪郭モデル(LACM)を提案する。
次に,凸緩和手法を用いて提案モデルを大域最適化モデルに変換する。
まず,スプリットブレグマン法を適用し,大域最適化モデルをsb_lacmモデルと呼ばれる縮小演算子とラプラス演算子の2つの交互最適化プロセスに変換する。
さらに,sb_lacmモデルよりも効率的な大域的最適化モデルを解くための2つの高速モデルを提案する。
第一のモデルは、大域的最適化モデルを一般的なrofモデル[29]に変換するための近関数を追加することである。
そこで我々は, 偏微分方程式や差分方程式を含まない, 単純な差分計算のみを必要とする大域最適化解法を用いた高速セグメンテーションアルゴリズムを得る。
第二のモデルは、一つのモデルとは異なる分割アプローチを用いて、大域最適化モデルを微分可能な項に変換し、一般のROFモデル項を第一のモデルと同じ手法で解く。
いくつかの挑戦的な合成画像とEnvisat SAR画像を用いた実験は、提案したモデルの最先端モデルに対する優位性を実証している。
関連論文リスト
- SurgeryV2: Bridging the Gap Between Model Merging and Multi-Task Learning with Deep Representation Surgery [54.866490321241905]
モデルマージに基づくマルチタスク学習(MTL)は、複数のエキスパートモデルをマージしてMTLを実行するための有望なアプローチを提供する。
本稿では,統合モデルの表現分布について検討し,「表現バイアス」の重要な問題を明らかにする。
このバイアスは、マージされたMTLモデルの表現と専門家モデルの間の大きな分布ギャップから生じ、マージされたMTLモデルの最適下性能に繋がる。
論文 参考訳（メタデータ） (2024-10-18T11:49:40Z) - Sample Complexity Characterization for Linear Contextual MDPs [67.79455646673762]
文脈決定プロセス(CMDP)は、遷移カーネルと報酬関数がコンテキスト変数によってインデックス付けされた異なるMDPで時間とともに変化できる強化学習のクラスを記述する。
CMDPは、時間とともに変化する環境で多くの現実世界のアプリケーションをモデル化するための重要なフレームワークとして機能する。
CMDPを2つの線形関数近似モデルで検討する: 文脈変化表現とすべての文脈に対する共通線形重み付きモデルIと、すべての文脈に対する共通表現と文脈変化線形重み付きモデルIIである。
論文 参考訳（メタデータ） (2024-02-05T03:25:04Z) - A Tournament of Transformation Models: B-Spline-based vs. Mesh-based
Multi-Objective Deformable Image Registration [0.44998333629984877]
B-スプラインモデルとメッシュ変換モデルとの直接比較を行う。
子宮頸癌患者の骨盤CTによる2種類の登録問題を比較検討した。
子宮頸癌患者3名を対象に, トランスフォーメーションモデルの選択が登録結果の多様性と品質に重大な影響を及ぼす可能性が示唆された。
論文 参考訳（メタデータ） (2024-01-30T10:17:46Z) - A locally statistical active contour model for SAR image segmentation
can be solved by denoising algorithms [6.965119490863576]
実SAR画像に対する実験結果から,提案した画像分割モデルは,弱い辺やぼやけた辺での輪郭を効率的に阻止できることが示された。
提案したFPRD1/FPRD2モデルは、スプリット・ブレグマン法に基づくSBRDモデルに必要な時間の約1/2(またはそれ以下)である。
論文 参考訳（メタデータ） (2024-01-10T00:27:14Z) - A-SDM: Accelerating Stable Diffusion through Redundancy Removal and
Performance Optimization [54.113083217869516]
本研究ではまず,ネットワークの計算冗長性について検討する。
次に、モデルの冗長性ブロックをプルークし、ネットワーク性能を維持する。
第3に,計算集約型注意部を高速化するグローバル地域対話型注意(GRI)を提案する。
論文 参考訳（メタデータ） (2023-12-24T15:37:47Z) - SAR image segmentation algorithms based on I-divergence-TV model [0.7458485930898191]
合成開口レーダ(SAR)画像を乗法ガンマノイズで分割するために,I-divergence-TVモデルに基づく新しい変動能動輪郭モデルを提案する。
提案したモデルでは,輪郭が弱いあるいはぼやけたエッジで効率的に停止でき,画像の外部境界や内部境界を自動的に検出することができる。
論文 参考訳（メタデータ） (2023-12-09T04:14:46Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - When to Update Your Model: Constrained Model-based Reinforcement
Learning [50.74369835934703]
モデルベースRL(MBRL)の非遅延性能保証のための新規で一般的な理論スキームを提案する。
続いて導いた境界は、モデルシフトとパフォーマンス改善の関係を明らかにします。
さらなる例では、動的に変化する探索からの学習モデルが、最終的なリターンの恩恵をもたらすことが示されている。
論文 参考訳（メタデータ） (2022-10-15T17:57:43Z) - Effective Invertible Arbitrary Image Rescaling [77.46732646918936]
Invertible Neural Networks (INN)は、ダウンスケーリングとアップスケーリングのサイクルを共同で最適化することにより、アップスケーリングの精度を大幅に向上させることができる。
本研究の1つのモデルのみをトレーニングすることにより、任意の画像再スケーリングを実現するために、単純で効果的な非可逆的再スケーリングネットワーク(IARN)を提案する。
LR出力の知覚品質を損なうことなく、双方向任意再スケーリングにおいて最先端(SOTA)性能を実現する。
論文 参考訳（メタデータ） (2022-09-26T22:22:30Z) - Combining data assimilation and machine learning to infer unresolved
scale parametrisation [0.0]
近年、動的数値モデルにおいて、未解決プロセスのデータ駆動パラメトリクスを考案する機械学習が提案されている。
我々のゴールは、高分解能シミュレーションの使用を超えて、直接データを用いてMLベースのパラメーターを訓練することである。
いずれの場合も、ハイブリッドモデルは、切り落とされたモデルよりも優れたスキルで予測を得られることを示す。
論文 参考訳（メタデータ） (2020-09-09T14:12:11Z)
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。