論文の概要: Residual-Conditioned Optimal Transport: Towards Structure-preserving Unpaired and Paired Image Restoration

• arxiv url: http://arxiv.org/abs/2405.02843v1
• Date: Sun, 5 May 2024 08:19:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-07 18:00:36.482064
• Title: Residual-Conditioned Optimal Transport: Towards Structure-preserving Unpaired and Paired Image Restoration
• Title（参考訳）: 残留条件の最適輸送-構造保存型未ペア画像復元を目指して-
• Authors: Xiaole Tang, Xin Hu, Xiang Gu, Jian Sun,
• Abstract要約: 画像復元のためのResidual-Conditioned Optimal Transport (RCOT) アプローチを提案する。 二重性により、RCOT問題は最小限の最適化問題に変換され、ニューラルネットワークを敵対的に訓練することで解決される。
• 参考スコア（独自算出の注目度）: 42.01716967725075
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning-based image restoration methods have achieved promising performance. However, how to faithfully preserve the structure of the original image remains challenging. To address this challenge, we propose a novel Residual-Conditioned Optimal Transport (RCOT) approach, which models the image restoration as an optimal transport (OT) problem for both unpaired and paired settings, integrating the transport residual as a unique degradation-specific cue for both the transport cost and the transport map. Specifically, we first formalize a Fourier residual-guided OT objective by incorporating the degradation-specific information of the residual into the transport cost. Based on the dual form of the OT formulation, we design the transport map as a two-pass RCOT map that comprises a base model and a refinement process, in which the transport residual is computed by the base model in the first pass and then encoded as a degradation-specific embedding to condition the second-pass restoration. By duality, the RCOT problem is transformed into a minimax optimization problem, which can be solved by adversarially training neural networks. Extensive experiments on multiple restoration tasks show the effectiveness of our approach in terms of both distortion measures and perceptual quality. Particularly, RCOT restores images with more faithful structural details compared to state-of-the-art methods.
• Abstract（参考訳）: 深層学習に基づく画像復元手法は有望な性能を達成した。 しかし、原像の構造を忠実に保存する方法はいまだに困難である。 この課題に対処するために, 画像復元を未ペアとペアの双方で最適輸送(OT)問題としてモデル化し, 輸送コストと輸送マップの双方に対して, ユニークな劣化専用キューとして, 輸送残余を統合したResidual-Conditioned Optimal Transport (RCOT)アプローチを提案する。 具体的には,まず,残余の劣化特異的情報を輸送コストに組み込むことで,フーリエ残余誘導型OT目標を定式化する。 OT の2つの形式に基づいて,トランスポートマップをベースモデルと精製プロセスからなる2パスRCOTマップとして設計し,トランスポート残差をベースモデルによって第1パスで計算し,第2パス復元条件に分解特異的な埋め込みとして符号化する。 二重性により、RCOT問題は最小限の最適化問題に変換され、ニューラルネットワークを敵対的に訓練することで解決される。 複数の修復作業における広範囲な実験は、歪み対策と知覚品質の両方の観点から、我々のアプローチの有効性を示している。 特にRCOTは、最先端の手法と比較して、より忠実な構造的詳細で画像を復元する。

関連論文リスト

• Degradation-Aware Residual-Conditioned Optimal Transport for Unified Image Restoration [39.52747104610541]
  オールインワン画像復元は、現実のアプリケーションのための実用的で有望な低レベル視覚タスクとして登場した。 本稿では, 画像復元を最適輸送問題としてモデル化する, DA-RCOT (Degradation-Aware Residual-Conditioned Optimal Transport) アプローチを提案する。 DA-RCOTは,複数の劣化があっても現実のシナリオに優れた適応性を提供し,劣化レベルと劣化数の両方に顕著な堅牢性を示す。
  論文  参考訳（メタデータ） (2024-11-03T18:57:19Z)
• Unsupervised Low-dose CT Reconstruction with One-way Conditional Normalizing Flows [7.727981333251735]
  本稿では,CNFsをベースとした非教師付きLDCT反復再構成アルゴリズムを提案する。 双対空間において交互最適化を行う際には厳密な片方向変換を用いる。 異なるデータセットに対する実験により、提案アルゴリズムの性能は、最先端の教師なしおよび教師なしの手法を超越する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-10-23T03:47:29Z)
• Learning Efficient and Effective Trajectories for Differential Equation-based Image Restoration [59.744840744491945]
  我々は, この手法の軌道最適化を再構築し, 復元品質と効率の両立に焦点をあてる。 本稿では,複雑な経路を適応可能なサイズで複数の管理可能なステップに合理化するためのコスト対応トラジェクトリー蒸留法を提案する。 実験では提案手法の有意な優位性を示し, 最先端手法よりも最大2.1dBのPSNR改善を実現した。
  論文  参考訳（メタデータ） (2024-10-07T07:46:08Z)
• One-step Generative Diffusion for Realistic Extreme Image Rescaling [47.89362819768323]
  極端画像再スケーリングのためのワンステップイメージ再スケーリング拡散(OSIRDiff)と呼ばれる新しいフレームワークを提案する。 OSIRDiffは、事前訓練されたオートエンコーダの潜在空間で再スケーリング操作を実行する。 これは、事前訓練されたテキスト・ツー・イメージ拡散モデルによって学習された強力な自然画像の先行を効果的に活用する。
  論文  参考訳（メタデータ） (2024-08-17T09:51:42Z)
• Self-Supervised Coordinate Projection Network for Sparse-View Computed Tomography [31.774432128324385]
  本研究では,1つのSVシングラムからアーチファクトフリーCT像を再構成する自己監督コーディネートプロジェクションnEtwork(SCOPE)を提案する。 暗黙的ニューラル表現ネットワーク(INR)を用いた類似の問題を解決する最近の研究と比較して、我々の重要な貢献は効果的で単純な再投射戦略である。
  論文  参考訳（メタデータ） (2022-09-12T06:14:04Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
  新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。 実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
  論文  参考訳（メタデータ） (2020-10-12T08:04:24Z)

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。