論文の概要: Whiteness-based bilevel estimation of weighted TV parameter maps for image denoising
- arxiv url: http://arxiv.org/abs/2503.07814v1
- Date: Mon, 10 Mar 2025 19:55:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-12 19:17:45.911295
- Title: Whiteness-based bilevel estimation of weighted TV parameter maps for image denoising
- Title（参考訳）: ホワイトネスに基づく画像復調のための重み付きテレビパラメータマップのバイレベル推定
- Authors: Monica Pragliola, Luca Calatroni, Alessandro Lanza,
- Abstract要約: 劣化画像に対する重み付き全変量パラメータマップを推定するために,正規化残白度損失に基づく二段階最適化戦略を検討する。
教師付きおよび半教師付きアプローチは、(近似した)参照データおよび/またはノイズ等級に関する情報の事前知識に依存しているのに対し、提案手法は完全に教師なしである。
- 参考スコア（独自算出の注目度）: 45.44831696628473
- License:
- Abstract: We consider a bilevel optimisation strategy based on normalised residual whiteness loss for estimating the weighted total variation parameter maps for denoising images corrupted by additive white Gaussian noise. Compared to supervised and semi-supervised approaches relying on prior knowledge of (approximate) reference data and/or information on the noise magnitude, the proposal is fully unsupervised. To avoid noise overfitting an early stopping strategy is used, relying on simple statistics of optimal performances on a set of natural images. Numerical results comparing the supervised/unsupervised procedures for scalar/pixel-dependent \mbox{parameter maps are shown.
- Abstract（参考訳）: 付加的な白色ガウス雑音により劣化した画像の重み付けされた総変分パラメータマップを推定するために、正規化残留白度損失に基づく二段階最適化戦略を検討する。
教師付きおよび半教師付きアプローチは、(近似した)参照データおよび/またはノイズ等級に関する情報の事前知識に依存しているのに対し、提案手法は完全に教師なしである。
自然画像の集合に対して最適な性能の簡単な統計情報に頼って、早期停止戦略を使用するノイズ過適合を回避する。
スカラー/ピクセル依存の \mbox{parameter map の教師あり/教師なし手順を比較する数値結果を示す。
関連論文リスト
- Whiteness-based bilevel learning of regularization parameters in imaging [42.362388367152256]
副次的な白色ガウス雑音の存在下での逆問題の画像化の文脈において、正規化パラメータを学習するための教師なし二段階最適化戦略を考察する。
提案手法は, 平均二乗誤差オラクルに近い推定値を提供し, 差分に基づく原理を導出することを示す。
論文 参考訳（メタデータ） (2024-03-10T15:45:39Z) - Score Priors Guided Deep Variational Inference for Unsupervised
Real-World Single Image Denoising [14.486289176696438]
本稿では,実世界の実演のためのスコア先行誘導深部変分推論,すなわちScoreDVIを提案する。
我々は、実世界の雑音をモデル化するために、非i.i.d$ガウス混合モデルと変分ノイズ後部モデルを利用する。
提案手法は,他の単一画像ベースの実世界のデノベーション手法よりも優れ,データセットベースの教師なし手法に匹敵する性能を実現する。
論文 参考訳（メタデータ） (2023-08-09T03:26:58Z) - 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) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - 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) - Poisson2Sparse: Self-Supervised Poisson Denoising From a Single Image [34.27748767631027]
本稿では,単一画像の自己教師型学習手法を提案する。
繰り返しニューラルネットワークを用いた画像復調のための従来の反復最適化アルゴリズムを近似する。
提案手法はPSNRとSSIMの両面で最先端の手法より優れている。
論文 参考訳（メタデータ） (2022-06-04T00:08:58Z) - 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) - Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。
本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
論文 参考訳（メタデータ） (2019-08-29T15:54:06Z)
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。