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/2312.08376v2
• Date: Sun, 17 Aug 2025 11:07:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.277673
• 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,
• Abstract要約: 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。 グローバル最適化モデルを解決するために,2つの高速モデルを提案する。 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）: 0.881121308982678
• 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; [29] is submitted on 29-Aug-2013, and our early edition ever submitted to TGRS on 12-Jun-2012, Venkatakrishnan et al. [30] proposed their 'pnp algorithm' on 29-May-2013, so Venkatakrishnan and we proposed the 'pnp algorithm' almost simultaneously. 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,Shrink演算子とLaplace演算子の2つの交互最適化プロセス(SB_LACMモデルと呼ばれる)に大域最適化モデルを変換するために,スプリット・ブレグマン法を適用した。 さらに,SB_LACMモデルよりも効率的である大域最適化モデルを解くために,2つの高速モデルを提案する。 第一のモデルは、大域最適化モデルを一般のROFモデル[29]に変換するための近似関数を追加することである。 Q.Jia, H.Zhao, [29] は2013年8月29日に提出され、初期の版は2012年5月12日にTGRSに提出され、Venkatakrishnanらは2013年5月29日にPnpアルゴリズムを提案したので、Venkatakrishnan と我々はほぼ同時に「pnpアルゴリズム」を提案した。 したがって、偏微分方程式や差分方程式を含まない大域最適化解法を用いた高速分割アルゴリズムを得ることができ、単純な差分計算しか必要としない。 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

• Fast AI Model Splitting over Edge Networks [20.38061058476494]
  複雑なAIモデルアーキテクチャは、最適なモデル分割を得るために高い計算複雑性をもたらす。 そこで本研究では,DAGを再構成した高速なDAGモデル分割アルゴリズムを提案する。 ブロック構造を持つAIモデルを考慮し,計算複雑性を低減するブロックワイドモデル分割アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-23T07:14:04Z)
• Equivariant Image Modeling [17.87342493584631]
  自己回帰や拡散アプローチのような現在の生成モデルは、高次元データ分散学習を単純なサブタスクに分解する。 本稿では,サブタスク間で最適化対象を本質的に整合させる,新しい同変画像モデリングフレームワークを提案する。 提案手法は,より少ない計算資源を使用しながら,最先端のARモデルに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2025-03-24T17:59:57Z)
• Diffusion Model as a Noise-Aware Latent Reward Model for Step-Level Preference Optimization [49.302188710680866]
  拡散モデルの優先度最適化は、画像を人間の好みに合わせることを目的としている。 事前学習した拡散モデルは,ノイズのある潜在空間におけるステップレベルの報酬モデルに自然に適していることを示す。 雑音の多い遅延空間で直接実行されるステップレベルの優先度最適化手法であるLatent Preference Optimization (LPO)を導入する。
  論文  参考訳（メタデータ） (2025-02-03T04:51:28Z)
• 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)
• Model-GLUE: Democratized LLM Scaling for A Large Model Zoo in the Wild [84.57103623507082]
  本稿では,全体論的な大規模言語モデルスケーリングガイドラインであるModel-GLUEを紹介する。 既存のスケーリングテクニック,特に選択的マージ,および混合の変種をベンチマークする。 次に、異種モデル動物園の選択と集約のための最適な戦略を定式化する。 我々の手法は、マージ可能なモデルのクラスタリング、最適なマージ戦略選択、クラスタの統合を含む。
  論文  参考訳（メタデータ） (2024-10-07T15:55:55Z)
• 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。