論文の概要: Generalized Recorrupted-to-Recorrupted: Self-Supervised Learning Beyond Gaussian Noise
- arxiv url: http://arxiv.org/abs/2412.04648v1
- Date: Thu, 05 Dec 2024 22:44:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-09 15:55:44.448116
- Title: Generalized Recorrupted-to-Recorrupted: Self-Supervised Learning Beyond Gaussian Noise
- Title（参考訳）: 一般化された再噴火から再噴火:ガウスノイズを超えた自己超過学習
- Authors: Brayan Monroy, Jorge Bacca, Julián Tachella,
- Abstract要約: 我々はR2Rフレームワークを拡張して,ログレイリーのような付加雑音として,より広範な雑音分布のクラスを扱う一般化R2Rを提案する。
GR2R損失は教師付き損失の非バイアスリスク推定器であり,人気の高いSteinの非バイアスリスク推定器を特殊なケースとみなすことができる。
- 参考スコア（独自算出の注目度）: 11.151457846264183
- License:
- Abstract: Recorrupted-to-Recorrupted (R2R) has emerged as a methodology for training deep networks for image restoration in a self-supervised manner from noisy measurement data alone, demonstrating equivalence in expectation to the supervised squared loss in the case of Gaussian noise. However, its effectiveness with non-Gaussian noise remains unexplored. In this paper, we propose Generalized R2R (GR2R), extending the R2R framework to handle a broader class of noise distribution as additive noise like log-Rayleigh and address the natural exponential family including Poisson and Gamma noise distributions, which play a key role in many applications including low-photon imaging and synthetic aperture radar. We show that the GR2R loss is an unbiased estimator of the supervised loss and that the popular Stein's unbiased risk estimator can be seen as a special case. A series of experiments with Gaussian, Poisson, and Gamma noise validate GR2R's performance, showing its effectiveness compared to other self-supervised methods.
- Abstract（参考訳）: Recorrupted-to-Recorrupted (R2R) は、ノイズ測定データのみから自己教師付きで画像復元のためのディープネットワークを訓練する方法として登場し、ガウス雑音の場合の教師付き2乗損失に対する同値性を示す。
しかし、非ガウス雑音による効果は未解明のままである。
本稿では,ローフォトンイメージングや合成開口レーダなど,多くの応用において重要な役割を果たしているPoissonやGammaなどの自然指数関数族に対処するため,R2Rフレームワークをログレイリーのような付加雑音として扱えるように拡張する一般R2R(GR2R)を提案する。
GR2R損失は教師付き損失の非バイアスリスク推定器であり,人気の高いSteinの非バイアスリスク推定器を特殊なケースとみなすことができる。
ガウス、ポアソン、ガンマによる一連の実験はGR2Rの性能を検証し、他の自己監督手法と比較してその効果を示した。
関連論文リスト
- Certified Adversarial Robustness via Partition-based Randomized Smoothing [9.054540533394926]
我々は、ニューラルネットワークの信頼度を高めるために、Pixel Partitioningベースのランダム化平滑化(PPRS)手法を提案する。
提案するPPRSアルゴリズムは,加法ガウス雑音下での画像の可視性を向上させる。
論文 参考訳（メタデータ） (2024-09-20T14:41:47Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳（メタデータ） (2022-06-09T14:00:26Z) - Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。
提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-04-05T12:46:36Z) - C2N: Practical Generative Noise Modeling for Real-World Denoising [53.96391787869974]
両例を使わずに複雑な実世界の騒音を模倣するクリーン・ツー・ノイズ画像生成フレームワーク,すなわちC2Nを導入する。
我々は,C2Nの騒音発生器を実世界の騒音特性の成分に応じて構築し,広い範囲の騒音を正確に表現する。
論文 参考訳（メタデータ） (2022-02-19T05:53:46Z) - Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。
提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文 参考訳（メタデータ） (2021-07-02T11:55:40Z) - Residual Contrastive Learning for Joint Demosaicking and Denoising [49.81596361351967]
RAW画像,残差コントラスト学習(RCL)における新しいコントラスト学習手法を提案する。
本研究は,各RAW画像に含まれる雑音が信号に依存しているという仮定に基づいて構築した。
我々は、未知の(ランダムな)ノイズ分散を伴う教師なしJDDタスクに対する新しいベンチマークを設定した。
論文 参考訳（メタデータ） (2021-06-18T11:37:05Z) - Statistical Analysis of Signal-Dependent Noise: Application in Blind
Localization of Image Splicing Forgery [20.533239616846874]
本研究では,信号依存ノイズ(SDN)を局所化タスクのスプライシングに適用する。
最大後方マルコフランダムフィールド(MAP-MRF)フレームワークを構築することで、ノイズの可能性を生かし、スプリケートされた物体の異領域を明らかにする。
実験結果から,本手法は有効であり,比較ローカライゼーション性能が得られた。
論文 参考訳（メタデータ） (2020-10-30T11:53:53Z) - Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。
ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。
分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
論文 参考訳（メタデータ） (2020-06-15T18:31:02Z)
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。