Fugu-MT 論文翻訳(概要): A Comparative Study of Compressive Sensing Algorithms for Hyperspectral Imaging Reconstruction

論文の概要: A Comparative Study of Compressive Sensing Algorithms for Hyperspectral Imaging Reconstruction

arxiv url: http://arxiv.org/abs/2401.14762v1
Date: Fri, 26 Jan 2024 10:38:39 GMT
ステータス: 処理完了
システム内更新日: 2024-01-29 15:27:30.387271
Title: A Comparative Study of Compressive Sensing Algorithms for Hyperspectral Imaging Reconstruction
Title（参考訳）: ハイパースペクトル画像再構成のための圧縮センシングアルゴリズムの比較研究
Authors: Jon Alvarez Justo, Daniela Lupu, Milica Orlandic, Ion Necoara, Tor Arne Johansen
Abstract要約: この研究は、2.5倍圧縮されたハイパースペクトル画像の回復に対処する。 gOMPアルゴリズムは,他のアルゴリズムと比較して精度が高く,高速に回復できる。
参考スコア（独自算出の注目度）: 2.485120307677001
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Hyperspectral Imaging comprises excessive data consequently leading to significant challenges for data processing, storage and transmission. Compressive Sensing has been used in the field of Hyperspectral Imaging as a technique to compress the large amount of data. This work addresses the recovery of hyperspectral images 2.5x compressed. A comparative study in terms of the accuracy and the performance of the convex FISTA/ADMM in addition to the greedy gOMP/BIHT/CoSaMP recovery algorithms is presented. The results indicate that the algorithms recover successfully the compressed data, yet the gOMP algorithm achieves superior accuracy and faster recovery in comparison to the other algorithms at the expense of high dependence on unknown sparsity level of the data to recover.
Abstract（参考訳）: ハイパースペクトラルイメージングは過剰なデータを含んでいるため、データ処理、ストレージ、送信において大きな課題となる。圧縮センシングは、大量のデータを圧縮する技術として、ハイパースペクトルイメージングの分野で使われてきた。この研究は、2.5倍圧縮されたハイパースペクトル画像の回復に対処する。本稿では,Greedy gOMP/BIHT/CoSaMPリカバリアルゴリズムに加えて,凸FISTA/ADMMの精度と性能の比較を行った。この結果から, 圧縮されたデータに対して, gOMPアルゴリズムは, 未知の空間レベルに高い依存を犠牲にして, 他のアルゴリズムと比較して精度が高く, 高速に回復できることがわかった。

関連論文リスト

ODDN: Addressing Unpaired Data Challenges in Open-World Deepfake Detection on Online Social Networks [51.03118447290247]
オープンワールドデータアグリゲーション(ODA)と圧縮・ディスカード勾配補正(CGC)を組み合わせたオープンワールドディープフェイク検出ネットワーク(ODDN)を提案する。細粒度分析と粗粒度分析の両方により,ODAは圧縮試料と原試料の相関関係を効果的に集約する。 CGCは、オンラインソーシャルネットワーク(OSN)における多種多様な圧縮方法のパフォーマンス向上のために、圧縮・ディスカード勾配補正を組み込んだ。
論文参考訳（メタデータ） (2024-10-24T12:32:22Z)
Convolutional variational autoencoders for secure lossy image compression in remote sensing [47.75904906342974]
本研究では,畳み込み変分オートエンコーダ(CVAE)に基づく画像圧縮について検討する。 CVAEは、JPEG2000のような従来の圧縮手法を圧縮ベンチマークデータセットのかなりのマージンで上回ることが示されている。
論文参考訳（メタデータ） (2024-04-03T15:17:29Z)
Study of the gOMP Algorithm for Recovery of Compressed Sensed Hyperspectral Images [0.0]
本研究は,圧縮前のデータスペーシフィケーション前処理段階について検討し,画素のスペーシビリティを保証する。画像画素は厳密にはスパースではないため、圧縮前のデータスペース化前処理段階を研究し、画素のスペース性を保証する。
論文参考訳（メタデータ） (2024-01-26T11:20:11Z)
Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
論文参考訳（メタデータ） (2024-01-25T08:11:27Z)
Machine Perception-Driven Image Compression: A Layered Generative Approach [32.23554195427311]
階層型生成画像圧縮モデルを提案する。タスクに依存しない学習に基づく圧縮モデルを提案し、様々な圧縮されたドメインベースの分析タスクを効果的にサポートする。圧縮比、再構成画像品質、下流知覚性能の最良のバランス点を得るために、共同最適化スケジュールを採用する。
論文参考訳（メタデータ） (2023-04-14T02:12:38Z)
Crowd Counting on Heavily Compressed Images with Curriculum Pre-Training [90.76576712433595]
ディープニューラルネットワークによって処理された画像に損失圧縮を適用することで、大幅な精度低下につながる可能性がある。カリキュラム学習のパラダイムに着想を得て,圧縮画像の群集カウントのためのカリキュラム事前学習(CPT)と呼ばれる新しいトレーニング手法を提案する。
論文参考訳（メタデータ） (2022-08-15T08:43:21Z)
Lossy compression of multidimensional medical images using sinusoidal activation networks: an evaluation study [0.0]
我々は, 周期的活性化機能を持つニューラルネットワークを用いて, 大規模多次元医用画像データセットを確実に圧縮する方法を評価する。正弦波アクティベーションネットワークのパラメータを用いて,任意の4次元dMRIデータセットを正確に表現する方法を示す。その結果,提案手法は平均二乗誤差,ピーク信号-雑音比,構造類似度指数において,ReLUとTanhのアクティベーションパーセプトロンアーキテクチャよりも優れていた。
論文参考訳（メタデータ） (2022-08-02T17:16:33Z)
Implicit Neural Representations for Image Compression [103.78615661013623]
Inlicit Neural Representations (INRs) は、様々なデータ型の新規かつ効果的な表現として注目されている。量子化、量子化を考慮した再学習、エントロピー符号化を含むINRに基づく最初の包括的圧縮パイプラインを提案する。我々は、INRによるソース圧縮に対する我々のアプローチが、同様の以前の作業よりも大幅に優れていることに気付きました。
論文参考訳（メタデータ） (2021-12-08T13:02:53Z)
Deep data compression for approximate ultrasonic image formation [1.0266286487433585]
超音波イメージングシステムでは、別のコンピュータ装置でデータ取得と画像形成を行う。ディープニューラルネットワークは、特定の画像形成方法の画質を維持するために最適化されている。
論文参考訳（メタデータ） (2020-09-04T16:43:12Z)
Data Consistent CT Reconstruction from Insufficient Data with Learned Prior Images [70.13735569016752]
偽陰性病変と偽陽性病変を呈示し,CT画像再構成における深層学習の堅牢性について検討した。本稿では,圧縮センシングと深層学習の利点を組み合わせた画像品質向上のためのデータ一貫性再構築手法を提案する。提案手法の有効性は,円錐ビームCTにおいて,トランキャットデータ,リミテッドアングルデータ,スパースビューデータで示される。
論文参考訳（メタデータ） (2020-05-20T13:30:49Z)

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。