論文の概要: Optimized Linear Measurements for Inverse Problems using Diffusion-Based Image Generation

• arxiv url: http://arxiv.org/abs/2405.17456v1
• Date: Wed, 22 May 2024 20:38:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-30 00:20:06.400566
• Title: Optimized Linear Measurements for Inverse Problems using Diffusion-Based Image Generation
• Title（参考訳）: 拡散画像生成を用いた逆問題に対する最適線形測定
• Authors: Ling-Qi Zhang, Zahra Kadkhodaie, Eero P. Simoncelli, David H. Brainard,
• Abstract要約: 線形測定の小さな集合から高次元信号を再構成する問題を再検討する。 我々は,SSIMの知覚的損失に対する測定値の最適化が,知覚的再構築に繋がることを示す。
• 参考スコア（独自算出の注目度）: 10.297832938258841
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We re-examine the problem of reconstructing a high-dimensional signal from a small set of linear measurements, in combination with image prior from a diffusion probabilistic model. Well-established methods for optimizing such measurements include principal component analysis (PCA), independent component analysis (ICA) and compressed sensing (CS), all of which rely on axis- or subspace-aligned statistical characterization. But many naturally occurring signals, including photographic images, contain richer statistical structure. To exploit such structure, we introduce a general method for obtaining an optimized set of linear measurements, assuming a Bayesian inverse solution that leverages the prior implicit in a neural network trained to perform denoising. We demonstrate that these measurements are distinct from those of PCA and CS, with significant improvements in minimizing squared reconstruction error. In addition, we show that optimizing the measurements for the SSIM perceptual loss leads to perceptually improved reconstruction. Our results highlight the importance of incorporating the specific statistical regularities of natural signals when designing effective linear measurements.
• Abstract（参考訳）: 拡散確率モデルから得られた画像と組み合わせて、線形測定の小さな集合から高次元信号を再構成する問題を再検討する。 このような測定を最適化するための確立された手法としては、主成分分析(PCA)、独立成分分析(ICA)、圧縮センシング(CS)がある。 しかし、写真画像を含む自然発生の信号の多くは、よりリッチな統計構造を含んでいる。 このような構造を利用するために,デノーミングを訓練したニューラルネットワークにおいて,事前の暗黙を生かしたベイズ逆解を仮定して,最適化された線形測定の集合を得るための一般的な方法を提案する。 これらの測定値がPCAとCSと異なることを示し,2乗再構成誤差の最小化に大きく貢献した。 また,SSIMの知覚的損失に対する測定値の最適化は,知覚的改善につながることを示した。 本研究は, 実効線形測定を設計する上で, 自然信号の特異な統計規則性を取り入れることの重要性を強調した。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Verification of Geometric Robustness of Neural Networks via Piecewise Linear Approximation and Lipschitz Optimisation [57.10353686244835]
  我々は、回転、スケーリング、せん断、翻訳を含む入力画像の幾何学的変換に対するニューラルネットワークの検証の問題に対処する。 提案手法は, 分枝・分枝リプシッツと組み合わせたサンプリングおよび線形近似を用いて, 画素値に対する楽音線形制約を求める。 提案手法では,既存の手法よりも最大32%の検証ケースが解決されている。
  論文  参考訳（メタデータ） (2024-08-23T15:02:09Z)
• Gradient Descent Provably Solves Nonlinear Tomographic Reconstruction [60.95625458395291]
  計算トモグラフィー(CT)では、フォワードモデルは線形変換と、ベル=ランベルト法則に従って光の減衰に基づく指数非線形性によって構成される。 金属クラウンを用いた人間の頭蓋骨の商業的再構築と比較すると,このアプローチは金属人工物を減らすことが示されている。
  論文  参考訳（メタデータ） (2023-10-06T00:47:57Z)
• Spectral Estimators for Structured Generalized Linear Models via Approximate Message Passing [28.91482208876914]
  本研究では,高次元一般化線形モデルにおけるパラメータ推定の問題について考察する。 広く使われているにもかかわらず、厳密なパフォーマンス特性とデータ前処理の原則が、構造化されていない設計でのみ利用可能である。
  論文  参考訳（メタデータ） (2023-08-28T11:49:23Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• MOSAIC: Masked Optimisation with Selective Attention for Image Reconstruction [0.5541644538483947]
  本研究では,無作為な計測値の選択を考慮に入れた画像再構成のための新しい圧縮センシングフレームワークを提案する。 MOSAICは、エンコードされた一連の測定に注意機構を効率的に適用するために埋め込み技術を採用している。 既存のCS再建手法の代替として,提案するアーキテクチャを検証した。
  論文  参考訳（メタデータ） (2023-06-01T17:05:02Z)
• Amortized Bayesian Inference of GISAXS Data with Normalizing Flows [0.10752246796855561]
  本稿では,変分オートエンコーダと正規化フローを組み合わせたシミュレーションに基づくフレームワークを提案し,パラメータの後方分布を推定する。 提案手法は,ABCと一貫した結果を生み出しながら,推定コストを桁違いに削減することを示した。
  論文  参考訳（メタデータ） (2022-10-04T12:09:57Z)
• Design of Compressed Sensing Systems via Density-Evolution Framework for Structure Recovery in Graphical Models [10.667885727418705]
  観測データからベイズネットワークの構造を学習することはNP-Hard問題であることが示されている。 圧縮線形測定システムを最適化するための新しい密度進化に基づくフレームワークを提案する。 GBNの構造は実際に圧縮された測定結果から復元可能であることを示す。
  論文  参考訳（メタデータ） (2022-03-17T22:16:38Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Fast Scalable Image Restoration using Total Variation Priors and Expectation Propagation [7.7731951589289565]
  本稿では,全変動(TV)を用いた画像復元のための拡張性のあるベイズ近似手法を提案する。 我々は期待伝搬(EP)フレームワークを用いて最小平均二乗誤差(MMSE)推定器と限界(ピクセル単位)分散を近似する。
  論文  参考訳（メタデータ） (2021-10-04T17:28:41Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)

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。