Fugu-MT 論文翻訳(概要): Super-resolution in disordered media using neural networks

論文の概要: Super-resolution in disordered media using neural networks

arxiv url: http://arxiv.org/abs/2410.21556v1
Date: Mon, 28 Oct 2024 21:35:08 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-30 13:41:17.385643
Title: Super-resolution in disordered media using neural networks
Title（参考訳）: ニューラルネットワークを用いた混乱媒体の超解像
Authors: Alexander Christie, Matan Leibovitch, Miguel Moscoso, Alexei Novikov, George Papanicolaou, Chrysoula Tsogka,
Abstract要約: 強散乱媒体における環境媒体のグリーン関数を正確に推定するために,大規模で多様なデータセットを利用する手法を提案する。この現象は超解像としても知られ、周囲散乱媒質が物理的イメージアパーチャを効果的に増強するため起こる。
参考スコア（独自算出の注目度）: 37.69303106863453
License:
Abstract: We propose a methodology that exploits large and diverse data sets to accurately estimate the ambient medium's Green's functions in strongly scattering media. Given these estimates, obtained with and without the use of neural networks, excellent imaging results are achieved, with a resolution that is better than that of a homogeneous medium. This phenomenon, also known as super-resolution, occurs because the ambient scattering medium effectively enhances the physical imaging aperture.
Abstract（参考訳）: 強散乱媒体における環境媒体のグリーン関数を正確に推定するために,大規模で多様なデータセットを利用する手法を提案する。ニューラルネットワークを用いなくても得られるこれらの推定値を考えると、均一媒質よりも優れた解像度で優れた撮像結果が得られる。この現象は超解像としても知られ、周囲散乱媒質が物理的イメージアパーチャを効果的に増強するため起こる。

関連論文リスト

ACE-Net: AutofoCus-Enhanced Convolutional Network for Field Imperfection Estimation with application to high b-value spiral Diffusion MRI [2.913594619942038]
B0-不均一性や拡散符号化誘起渦電流からの時空間磁場の変動は、スパイラル、EPI、3Dコーンのような高速な画像符号化スキームに有害である。本研究では,これらのフィールド不完全性を自動的に推定するためのデータ駆動手法を,オートフォーカスメトリクスとディープラーニングを組み合わせることによって開発する。 B0, eddyの正確な推定値が得られる高b値での単発スパイラル拡散MRIに適用し, 外部校正を必要とせずに高画質の画像再構成を行った。
論文参考訳（メタデータ） (2024-11-21T23:20:14Z)
A Wavelet Diffusion GAN for Image Super-Resolution [7.986370916847687]
拡散モデルは,高忠実度画像生成のためのGAN(Generative Adversarial Network)の優れた代替品として登場した。しかし、そのリアルタイム実現性は、遅いトレーニングと推論速度によって妨げられている。本研究では,ウェーブレットを用いた単一画像超解法のための条件拡散GANスキームを提案する。
論文参考訳（メタデータ） (2024-10-23T15:34:06Z)
Semi-device independent characterization of multiphoton indistinguishability [0.0]
多光子不明瞭性は、センシングと計算における量子拡張のための中心的な資源である。そこで本研究では,光子数分散の測定に基づく多光子識別性の評価法を提案する。本手法は, 干渉計が誤ってダイヤルされている場合でも有効であるという意味で, 半デバイス独立方式で頑健である。
論文参考訳（メタデータ） (2024-04-29T12:15:06Z)
PSRFlow: Probabilistic Super Resolution with Flow-Based Models for Scientific Data [11.15523311079383]
PSRFlowは、科学データ超解像のための新しい正規化フローベース生成モデルである。以上の結果から,既存の手法と比較して,優れた性能とロバストな不確実性定量化が得られた。
論文参考訳（メタデータ） (2023-08-08T22:10:29Z)
Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文参考訳（メタデータ） (2023-06-01T03:08:28Z)
Denoising Diffusion Models for Plug-and-Play Image Restoration [135.6359475784627]
本稿では,従来のプラグアンドプレイ方式を拡散サンプリングフレームワークに統合したDiffPIRを提案する。 DiffPIRは、差別的なガウスのデノイザーに依存するプラグアンドプレイIR法と比較して、拡散モデルの生成能力を継承することが期待されている。
論文参考訳（メタデータ） (2023-05-15T20:24:38Z)
Guided Depth Super-Resolution by Deep Anisotropic Diffusion [18.445649181582823]
誘導異方性拡散と深層畳み込みネットワークを組み合わせた新しい手法を提案する。誘導深度超解像のための3つの一般的なベンチマークで前例のない結果を得た。
論文参考訳（メタデータ） (2022-11-21T15:48:13Z)
Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文参考訳（メタデータ） (2022-02-23T18:57:53Z)
Uncovering the Over-smoothing Challenge in Image Super-Resolution: Entropy-based Quantification and Contrastive Optimization [67.99082021804145]
我々はDetail Enhanced Contrastive Loss (DECLoss)と呼ばれるCOO問題に対する明確な解決策を提案する。 DECLossはコントラスト学習のクラスタリング特性を利用して、潜在的な高分解能分布の分散を直接的に低減する。我々は複数の超高解像度ベンチマーク上でDECLosを評価し,PSNR指向モデルの知覚品質を向上させることを実証した。
論文参考訳（メタデータ） (2022-01-04T08:30:09Z)
FD-GAN: Generative Adversarial Networks with Fusion-discriminator for Single Image Dehazing [48.65974971543703]
画像デハージングのためのFusion-Discriminator (FD-GAN) を用いた完全エンドツーエンドのジェネレータネットワークを提案する。我々のモデルは、より自然でリアルなデハズド画像を生成することができ、色歪みは少なく、アーティファクトも少ない。実験により, 提案手法は, 公開合成データセットと実世界の画像の両方において, 最先端の性能に達することが示された。
論文参考訳（メタデータ） (2020-01-20T04:36:11Z)

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。