Fugu-MT 論文翻訳(概要): Equivariant Denoisers for Image Restoration

論文の概要: Equivariant Denoisers for Image Restoration

arxiv url: http://arxiv.org/abs/2412.05343v2
Date: Fri, 28 Feb 2025 15:34:46 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-03 13:38:54.096349
Title: Equivariant Denoisers for Image Restoration
Title（参考訳）: 画像復元のための等変デノイザ
Authors: Marien Renaud, Arthur Leclaire, Nicolas Papadakis,
Abstract要約: 等変復号器と最適化に基づいて,等変正規化(ERED)と呼ばれる統一フレームワークを提案する。本稿では,このアルゴリズムの収束性を分析し,その実用性について論じる。
参考スコア（独自算出の注目度）: 8.865896660863681
License:
Abstract: One key ingredient of image restoration is to define a realistic prior on clean images to complete the missing information in the observation. State-of-the-art restoration methods rely on a neural network to encode this prior. Moreover, typical image distributions are invariant to some set of transformations, such as rotations or flips. However, most deep architectures are not designed to represent an invariant image distribution. Recent works have proposed to overcome this difficulty by including equivariance properties within a Plug-and-Play paradigm. In this work, we propose a unified framework named Equivariant Regularization by Denoising (ERED) based on equivariant denoisers and stochastic optimization. We analyze the convergence of this algorithm and discuss its practical benefit.
Abstract（参考訳）: 画像復元の鍵となる要素の1つは、クリーンな画像に現実的な事前を定義することである。最先端の復元手法は、前もってそれを符号化するためにニューラルネットワークに依存している。さらに、典型的な画像分布は回転やフリップのような変換の集合に不変である。しかし、ほとんどのディープアーキテクチャは不変画像分布を表すように設計されていない。近年の研究では、Plug-and-Playパラダイムに等価性を組み込むことで、この難しさを克服する研究が提案されている。本研究では,等変デノイザと確率的最適化に基づいて,等変正規化(ERED)と呼ばれる統一フレームワークを提案する。本稿では,このアルゴリズムの収束性を分析し,その実用性について論じる。

関連論文リスト

Learning of Patch-Based Smooth-Plus-Sparse Models for Image Reconstruction [14.93489065234423]
最適化を二段階問題として定式化する。我々は,デノナイズ,超高分解能,圧縮型磁気共鳴イメージングの手法について検討した。
論文参考訳（メタデータ） (2024-12-17T16:34:32Z)
Compositional Inversion for Stable Diffusion Models [64.79261401944994]
ユーザ画像から提供される関心の概念を取り入れてパーソナライズされた画像を生成する。既存の方法はしばしば過度に適合する問題に悩まされ、倒立概念の圧倒的な存在が他の望ましい概念の欠如につながっている。本稿では,合成埋め込みのコア分布への反転過程を導出する手法を提案する。
論文参考訳（メタデータ） (2023-12-13T10:57:46Z)
Equivariant plug-and-play image reconstruction [10.781078029828473]
プラグ・アンド・プレイのアルゴリズムは、強力な事前訓練されたデノイザを利用して、逆画像の問題を解決することができる。復号器上のある種の変換群に等しくなると、アルゴリズムの安定性が向上し、再構成品質が向上することを示す。複数の画像モダリティとデノナイジングネットワークの実験により、同変プラグ・アンド・プレイ・アルゴリズムは再構成性能と安定性の両方を、同変でないものと比較して改善することを示した。
論文参考訳（メタデータ） (2023-12-04T12:07:39Z)
A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
逆タスクは、データ上の後続分布を推測するものとして定式化することができる。しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。そこで我々は,真の後続分布を近似する設計手法を提案する。
論文参考訳（メタデータ） (2023-05-07T23:00:47Z)
Representing Noisy Image Without Denoising [91.73819173191076]
ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
論文参考訳（メタデータ） (2023-01-18T10:13:29Z)
Imaging with Equivariant Deep Learning [9.333799633608345]
我々は、同変イメージングの出現する分野を概観し、それが一般化と新たなイメージングの機会をいかに向上させるかを示す。獲得物理と集団行動の相互作用と、反復的再構成、ブラインド圧縮センシング、自己教師型学習との関連を示す。
論文参考訳（メタデータ） (2022-09-05T02:13:57Z)
A training-free recursive multiresolution framework for diffeomorphic deformable image registration [6.929709872589039]
変形可能な画像登録のための新しい微分型学習自由アプローチを提案する。提案するアーキテクチャは設計上は単純で,各解像度で移動像を順次ワープし,最終的に固定像に整列する。システム全体はエンドツーエンドで、スクラッチから各2つのイメージに最適化されている。
論文参考訳（メタデータ） (2022-02-01T15:17:17Z)
Denoising Diffusion Restoration Models [110.1244240726802]
Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。 DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
論文参考訳（メタデータ） (2022-01-27T20:19:07Z)
Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文参考訳（メタデータ） (2020-08-25T03:30:53Z)
A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
論文参考訳（メタデータ） (2020-06-26T08:34:54Z)

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。