論文の概要: Mixed geometry information regularization for image multiplicative denoising

• arxiv url: http://arxiv.org/abs/2412.16445v1
• Date: Sat, 21 Dec 2024 02:24:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:55:58.640284
• Title: Mixed geometry information regularization for image multiplicative denoising
• Title（参考訳）: 画像乗法復調のための混合幾何情報正規化
• Authors: Shengkun Yang, Zhichang Guo, Jia Li, Fanghui Song, Wenjuan Yao,
• Abstract要約: 本稿では,変分モデルによる乗法的ガンマ分解問題の解法に焦点をあてる。 本稿では,これらの問題を克服するために,領域幾何学用語と曲率項を先行知識として取り入れた混合情報モデルを提案する。
• 参考スコア（独自算出の注目度）: 12.43943610396014
• License:
• Abstract: This paper focuses on solving the multiplicative gamma denoising problem via a variation model. Variation-based regularization models have been extensively employed in a variety of inverse problem tasks in image processing. However, sufficient geometric priors and efficient algorithms are still very difficult problems in the model design process. To overcome these issues, in this paper we propose a mixed geometry information model, incorporating area term and curvature term as prior knowledge. In addition to its ability to effectively remove multiplicative noise, our model is able to preserve edges and prevent staircasing effects. Meanwhile, to address the challenges stemming from the nonlinearity and non-convexity inherent in higher-order regularization, we propose the efficient additive operator splitting algorithm (AOS) and scalar auxiliary variable algorithm (SAV). The unconditional stability possessed by these algorithms enables us to use large time step. And the SAV method shows higher computational accuracy in our model. We employ the second order SAV algorithm to further speed up the calculation while maintaining accuracy. We demonstrate the effectiveness and efficiency of the model and algorithms by a lot of numerical experiments, where the model we proposed has better features texturepreserving properties without generating any false information.
• Abstract（参考訳）: 本稿では,変分モデルによる乗法的ガンマ分解問題の解法に焦点をあてる。 変分に基づく正規化モデルは、画像処理における様々な逆問題タスクに広く採用されている。 しかし、十分な幾何学的事前条件と効率的なアルゴリズムは、モデル設計プロセスにおいて依然として非常に難しい問題である。 本稿では,これらの問題を克服するために,領域項と曲率項を先行知識として組み込んだ混合幾何情報モデルを提案する。 乗法ノイズを効果的に除去する能力に加えて,本モデルではエッジの保存や階段通過効果の防止が可能である。 一方、高次正規化に固有の非線形性や非凸性から生じる課題に対処するため、効率的な加法演算子分割アルゴリズム(AOS)とスカラー補助変数アルゴリズム(SAV)を提案する。 これらのアルゴリズムが持つ非条件の安定性は、大きな時間ステップを使うことができる。 SAV法は我々のモデルにおいて高い計算精度を示す。 精度を保ちながら計算をさらに高速化するために,第2次SAVアルゴリズムを用いる。 提案するモデルでは, 虚偽情報を生成することなく, テクスチャ保存特性を良好に特徴付けることができる。

関連論文リスト

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Erasing Undesirable Influence in Diffusion Models [51.225365010401006]
  拡散モデルは高品質な画像を生成するのに非常に効果的であるが、NSFW(職場では安全ではない)コンテンツの意図しない生成のようなリスクを引き起こす。 本研究では,データに関連付けられた不要な情報を取り除き,保存データに対する拡散モデルの実用性を維持するために設計されたアルゴリズムであるEraseDiffを紹介する。
  論文  参考訳（メタデータ） (2024-01-11T09:30:36Z)
• A Fast Minimization Algorithm for the Euler Elastica Model Based on a Bilinear Decomposition [5.649764770305694]
  本稿では,Euler Elastica(EE)モデルのための,高速なハイブリッド交互最小化(HALM)アルゴリズムを提案する。 HALMアルゴリズムは3つの部分最小化問題を含み、それぞれが閉じた形で解かれるか、高速解法によって近似される。 数値実験の実施により,新しいアルゴリズムは高い効率で良好な結果が得られることを示した。
  論文  参考訳（メタデータ） (2023-08-25T16:15:38Z)
• Best-Subset Selection in Generalized Linear Models: A Fast and Consistent Algorithm via Splicing Technique [0.6338047104436422]
  ベストサブセットセクションは、このタイプの問題の聖杯として広く見なされている。 軽度条件下での最適部分集合回復のためのアルゴリズムを提案し,提案した。 我々の実装は、一般的な変数選択ツールキットと比較して約4倍のスピードアップを実現している。
  論文  参考訳（メタデータ） (2023-08-01T03:11:31Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Dual Optimization for Kolmogorov Model Learning Using Enhanced Gradient Descent [8.714458129632158]
  コルモゴロフモデル(コルモゴロフモデル、英: Kolmogorov model、KM)は、確率変数の集合の基本的な確率構造を学ぶための解釈可能で予測可能な表現手法である。 正規化双対最適化と拡張勾配降下法(GD)を併用した計算スケーラブルなKM学習アルゴリズムを提案する。 提案したKM学習アルゴリズムを用いた論理的関係マイニングの精度は80%以上である。
  論文  参考訳（メタデータ） (2021-07-11T10:33:02Z)
• Scalable Derivative-Free Optimization for Nonlinear Least-Squares Problems [0.6445605125467572]
  微分自由(あるいはゼロ次)最適化(DFO)は、様々なアプリケーション領域の問題を解く能力において近年注目を集めている。 非線形二乗問題を解くためのモデルに基づく新しいDFO法を開発した。
  論文  参考訳（メタデータ） (2020-07-26T23:25:17Z)
• Effective Dimension Adaptive Sketching Methods for Faster Regularized Least-Squares Optimization [56.05635751529922]
  スケッチに基づくL2正規化最小二乗問題の解法を提案する。 我々は、最も人気のあるランダム埋め込みの2つ、すなわちガウス埋め込みとサブサンプリングランダム化アダマール変換(SRHT)を考える。
  論文  参考訳（メタデータ） (2020-06-10T15:00:09Z)
• Active Model Estimation in Markov Decision Processes [108.46146218973189]
  マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。 マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
  論文  参考訳（メタデータ） (2020-03-06T16:17:24Z)

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。