論文の概要: Towards Lensless Image Deblurring with Prior-Embedded Implicit Neural Representations in the Low-Data Regime

• arxiv url: http://arxiv.org/abs/2411.18189v1
• Date: Wed, 27 Nov 2024 10:12:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-28 15:25:32.358960
• Title: Towards Lensless Image Deblurring with Prior-Embedded Implicit Neural Representations in the Low-Data Regime
• Title（参考訳）: 低データレジームにおけるプリエンベッドインプシットニューラル表現によるレンズレス画像のデブロリング
• Authors: Abeer Banerjee, Sanjay Singh,
• Abstract要約: 本稿では、従来のレンズを計算に置き換えた計算画像のサブセットである、レンズレス画像再構成について述べる。 我々は、暗黙のニューラル表現をレンズレス画像の劣化に活用し、事前トレーニングを必要とせずに再構成を実現した最初の人物である。
• 参考スコア（独自算出の注目度）: 0.5371337604556311
• License:
• Abstract: The field of computational imaging has witnessed a promising paradigm shift with the emergence of untrained neural networks, offering novel solutions to inverse computational imaging problems. While existing techniques have demonstrated impressive results, they often operate either in the high-data regime, leveraging Generative Adversarial Networks (GANs) as image priors, or through untrained iterative reconstruction in a data-agnostic manner. This paper delves into lensless image reconstruction, a subset of computational imaging that replaces traditional lenses with computation, enabling the development of ultra-thin and lightweight imaging systems. To the best of our knowledge, we are the first to leverage implicit neural representations for lensless image deblurring, achieving reconstructions without the requirement of prior training. We perform prior-embedded untrained iterative optimization to enhance reconstruction performance and speed up convergence, effectively bridging the gap between the no-data and high-data regimes. Through a thorough comparative analysis encompassing various untrained and low-shot methods, including under-parameterized non-convolutional methods and domain-restricted low-shot methods, we showcase the superior performance of our approach by a significant margin.
• Abstract（参考訳）: 計算イメージングの分野は、トレーニングされていないニューラルネットワークが出現し、逆の計算イメージング問題に対する新しい解決策を提供する、有望なパラダイムシフトを目撃している。 既存の技術は印象的な結果を示しているが、彼らはしばしば、画像の先行としてGAN(Generative Adversarial Networks)を活用する、あるいはデータに依存しない方法で反復的再構築を通じて、ハイデータ体制で運用する。 この論文は、従来のレンズを計算に置き換えた計算画像のサブセットであるレンズレス画像再構成に発展し、超薄軽量イメージングシステムの開発を可能にした。 我々の知る限りでは、暗黙の神経表現をレンズレス画像の劣化に活用し、事前のトレーニングを必要とせずに再構成を実現するのが最初である。 我々は、事前組込み未学習の反復最適化を行い、再構築性能を高め、収束を高速化し、非データと高データ間のギャップを効果的に埋める。 非畳み込み法やドメイン制限型低ショット法など,未訓練および低ショット法を網羅した徹底的な比較分析を通じて,本手法の優れた性能を顕著なマージンで示す。

関連論文リスト

• 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)
• JoReS-Diff: Joint Retinex and Semantic Priors in Diffusion Model for Low-light Image Enhancement [69.6035373784027]
  低照度画像強調(LLIE)は条件付き拡散モデルを用いて有望な性能を実現している。 従来手法は、タスク固有の条件戦略の十分な定式化の重要性を無視するものであった。 本稿では,Retinex および semantic-based pre-processing condition を付加した新しいアプローチである JoReS-Diff を提案する。
  論文  参考訳（メタデータ） (2023-12-20T08:05:57Z)
• Latent Diffusion Prior Enhanced Deep Unfolding for Snapshot Spectral Compressive Imaging [17.511583657111792]
  スナップショット分光画像再構成は、単発2次元圧縮計測から3次元空間スペクトル像を再構成することを目的としている。 我々は, 深部展開法に先立って劣化のないモデルを生成するため, 遅延拡散モデル(LDM)という生成モデルを導入する。
  論文  参考訳（メタデータ） (2023-11-24T04:55:20Z)
• Leveraging Classic Deconvolution and Feature Extraction in Zero-Shot Image Restoration [0.4398130586098371]
  非盲点デコンボリューションは、取得したカーネルによってぼやけた画像からシャープなイメージを復元することを目的としている。 本稿では、ディープラーニングと古典的反復的デコンボリューションアルゴリズムの力を生かした、新しい非盲検デコンボリューション法を提案する。 本手法は,非ブレンドデコンボリューションタスクの様々な実世界のアプリケーションにおいて,大幅な改善を示す。
  論文  参考訳（メタデータ） (2023-10-03T14:41:30Z)
• DELAD: Deep Landweber-guided deconvolution with Hessian and sparse prior [0.22940141855172028]
  本稿では,古典的反復法をディープラーニングアプリケーションに組み込んだ非盲検画像デコンボリューションモデルを提案する。 このアルゴリズムは、トレーニング可能な畳み込み層と統合され、復元された画像構造と詳細を強化する。
  論文  参考訳（メタデータ） (2022-09-30T11:15:03Z)
• Bayesian Inversion for Nonlinear Imaging Models using Deep Generative Priors [24.544313203472992]
  非線形逆問題クラスに対するメトロポリス調整ランゲヴィンアルゴリズムに基づくトラクタブル後方サンプリング手法を開発した。 本稿では,2つの非線形画像モダリティ-位相検索と光回折トモグラフィーに応用することで,この枠組みの利点を述べる。
  論文  参考訳（メタデータ） (2022-03-18T17:47:29Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• Is Deep Image Prior in Need of a Good Education? [57.3399060347311]
  画像再構成に有効な先行画像として, 奥行き画像が導入された。 その印象的な再建性にもかかわらず、学習技術や伝統的な再建技術と比べてアプローチは遅い。 計算課題に対処する2段階の学習パラダイムを開発する。
  論文  参考訳（メタデータ） (2021-11-23T15:08:26Z)
• NerfingMVS: Guided Optimization of Neural Radiance Fields for Indoor Multi-view Stereo [97.07453889070574]
  本稿では,従来のSfM再構成と学習に基づく先行手法を併用した多視点深度推定手法を提案する。 提案手法は室内シーンにおける最先端手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2021-09-02T17:54:31Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• Self-Organized Operational Neural Networks for Severe Image Restoration Problems [25.838282412957675]
  畳み込みニューラルネットワーク(CNN)に基づく離散学習は、ノイズとクリーンのイメージペアのトレーニング例から学習することで、画像復元を行うことを目的としている。 これは畳み込みに基づく変換の本質的な線形性によるものであり、深刻な復元問題に対処するには不十分である。 画像復元のための自己組織型ONN(Self-ONN)を提案する。
  論文  参考訳（メタデータ） (2020-08-29T02:19:41Z)

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。