論文の概要: On Round-Off Errors and Gaussian Blur in Superresolution and in Image Registration
- arxiv url: http://arxiv.org/abs/2412.09741v1
- Date: Thu, 12 Dec 2024 22:08:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-16 15:04:01.345221
- Title: On Round-Off Errors and Gaussian Blur in Superresolution and in Image Registration
- Title(参考訳): 超解像および画像登録におけるラウンドオフ誤差とガウスブラについて
- Authors: Serap A. Savari,
- Abstract要約: 空間的に制限された1次元定数関数に対する超解像と離散像の登録について検討する。
その結果,他の種類のノイズがなくても,2組のサンプルから不連続点を決定することの難しさが示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Superresolution theory and techniques seek to recover signals from samples in the presence of blur and noise. Discrete image registration can be an approach to fuse information from different sets of samples of the same signal. Quantization errors in the spatial domain are inherent to digital images. We consider superresolution and discrete image registration for one-dimensional spatially-limited piecewise constant functions which are subject to blur which is Gaussian or a mixture of Gaussians as well as to round-off errors. We describe a signal-dependent measurement matrix which captures both types of effects. For this setting we show that the difficulties in determining the discontinuity points from two sets of samples even in the absence of other types of noise. If the samples are also subject to statistical noise, then it is necessary to align and segment the data sequences to make the most effective inferences about the amplitudes and discontinuity points. Under some conditions on the blur, the noise, and the distance between discontinuity points, we prove that we can correctly align and determine the first samples following each discontinuity point in two data sequences with an approach based on dynamic programming.
- Abstract(参考訳): 超解像理論と技法は、ブラーとノイズの存在下でサンプルから信号を回収しようとする。
離散画像登録は、同じ信号の異なるサンプルセットから情報を融合するアプローチである。
空間領域における量子化誤差は、デジタル画像に固有のものである。
ガウス的あるいはガウス的混合であるぼかしの対象となる一次元空間的に制限されたピースワイド定数関数に対する超解像および離散像の登録およびラウンドオフ誤差について検討する。
両種類の効果を捉える信号依存測定行列について述べる。
この設定では、他の種類のノイズがなくても、2組のサンプルから不連続点を決定することの難しさが示される。
サンプルが統計的ノイズにさらされている場合、振幅や不連続点について最も効果的な推測を行うために、データシーケンスを整列して分割する必要がある。
曖昧さ,ノイズ,不連続点間の距離といった条件下では,動的プログラミングに基づくアプローチを用いて,各不連続点に続く最初のサンプルを2つのデータシーケンスで正しく整列し,決定できることが証明された。
関連論文リスト
- On the Logic Elements Associated with Round-Off Errors and Gaussian Blur in Image Registration: A Simple Case of Commingling [0.0]
空間的に制限された1次元定数関数の超解像と離散像の登録について検討する。
ぼかしの少ない体制に焦点をあて、ぼかし、サンプリング、量子化の操作は、コンピュータプログラムの操作と似ていないことを示唆する。
我々は、信号振幅の正しい回復をもたらすことが多い同じ信号の2組のサンプルを推論する方法を述べる。
論文 参考訳(メタデータ) (2025-02-17T16:33:33Z) - A Counterexample in Cross-Correlation Template Matching [0.0]
基礎関数が1次元空間的に制限されたピースワイド定数関数である場合、離散的な画像登録を考える。
関数のサンプルがノイズのある場合、画像登録はデータシーケンスのアライメントとセグメンテーションを必要とする。
論文 参考訳(メタデータ) (2024-10-24T18:42:01Z) - A Counterexample in Image Registration [0.0]
画像登録は、画像変換や画像類似性に関するモデルを適用して、同じシーンの離散的な画像をアライメントする一般的な問題である。
本研究では、2つ以上のノイズレスサンプリングパターンから空間的に制限されたピースワイド定値信号を推定する。
その結果、信号の推定精度はその信号の基準点に依存する。
論文 参考訳(メタデータ) (2024-10-14T17:05:03Z) - The Crystal Ball Hypothesis in diffusion models: Anticipating object positions from initial noise [92.53724347718173]
拡散モデルはテキスト・画像生成タスクにおいて顕著な成功を収めた。
我々は、初期ノイズ画像内の特定の領域をトリガーパッチと呼び、結果として発生する画像のオブジェクト生成に重要な役割を果たす。
論文 参考訳(メタデータ) (2024-06-04T05:06:00Z) - Provably Robust Score-Based Diffusion Posterior Sampling for Plug-and-Play Image Reconstruction [31.503662384666274]
科学と工学において、ゴールは、ある画像のモダリティを記述する既知のフォワードモデルから収集された少数の測定値から未知の画像を推測することである。
モチベートされたスコアベース拡散モデルはその経験的成功により、画像再構成に先立って模範の印象的な候補として現れた。
論文 参考訳(メタデータ) (2024-03-25T15:58:26Z) - NoiseDiffusion: Correcting Noise for Image Interpolation with Diffusion Models beyond Spherical Linear Interpolation [86.7260950382448]
画像の妥当性を補正する新しい手法としてノイズ拡散法を提案する。
NoiseDiffusionはノイズの多い画像空間内で動作し、これらのノイズの多い画像に生画像を注入することで、情報損失の課題に対処する。
論文 参考訳(メタデータ) (2024-03-13T12:32:25Z) - Statistical Component Separation for Targeted Signal Recovery in Noisy
Mixtures [2.619794838436152]
統計的成分分離」問題は、雑音混合からターゲット信号の統計的記述子のセットを予め定義された状態に戻すことに焦点を当てている。
提案手法は,ほとんどの状況において,標準的なデノナイジング手法よりも,対象データのディスクリプタの回復性が高いことを示す。
我々は,この手法を,初期手法に新たな視点を与える拡散ステップワイズアルゴリズムを導入することで拡張する。
論文 参考訳(メタデータ) (2023-06-26T18:51:02Z) - Diffusion with Forward Models: Solving Stochastic Inverse Problems
Without Direct Supervision [76.32860119056964]
本稿では,直接観測されない信号の分布からサンプルを学習する拡散確率モデルを提案する。
コンピュータビジョンの課題3つの課題に対して,本手法の有効性を示す。
論文 参考訳(メタデータ) (2023-06-20T17:53:00Z) - Overlap-guided Gaussian Mixture Models for Point Cloud Registration [61.250516170418784]
確率的3Dポイントクラウド登録法は、ノイズ、アウトレーヤ、密度変動を克服する競合性能を示した。
本稿では,一致したガウス混合モデル(GMM)パラメータから最適変換を演算する,重複誘導確率登録手法を提案する。
論文 参考訳(メタデータ) (2022-10-17T08:02:33Z) - Markup-to-Image Diffusion Models with Scheduled Sampling [111.30188533324954]
画像生成の最近の進歩に基づき,画像にマークアップを描画するためのデータ駆動型アプローチを提案する。
このアプローチは拡散モデルに基づいており、デノナイジング操作のシーケンスを用いてデータの分布をパラメータ化する。
数式(La)、テーブルレイアウト(HTML)、シート音楽(LilyPond)、分子画像(SMILES)の4つのマークアップデータセットの実験を行った。
論文 参考訳(メタデータ) (2022-10-11T04:56:12Z) - Degradation-agnostic Correspondence from Resolution-asymmetric Stereo [96.03964515969652]
テレワイドカメラシステムで取得した解像度の異なる2枚の画像からステレオマッチングの問題を考察する。
特徴量整合性という画像空間の代わりに特徴空間に2つのビュー間の整合性を課すことを提案する。
測光損失をトレーニングしたステレオマッチングネットワークは最適ではないが, 特徴抽出器は劣化に依存しない, マッチング特有の特徴を生成できる。
論文 参考訳(メタデータ) (2022-04-04T12:24:34Z)
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。