Fugu-MT 論文翻訳(概要): Parameter-free structure-texture image decomposition by unrolling

論文の概要: Parameter-free structure-texture image decomposition by unrolling

arxiv url: http://arxiv.org/abs/2503.13354v1
Date: Mon, 17 Mar 2025 16:35:04 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-18 12:27:48.024071
Title: Parameter-free structure-texture image decomposition by unrolling
Title（参考訳）: アンローリングによるパラメータフリー構造・テクスチャ画像の分解
Authors: Laura Girometti, Jean-François Aujol, Antoine Guennec, Yann Traonmilin,
Abstract要約: 本稿では,Low Patch Rankモデルに基づくニューラルネットワークLPR-NETを提案する。合成画像の訓練にもかかわらず、数値実験により、自然画像に適用した場合にネットワークが適切に一般化できることが示されている。
参考スコア（独自算出の注目度）: 0.8999666725996975
License:
Abstract: In this work, we propose a parameter-free and efficient method to tackle the structure-texture image decomposition problem. In particular, we present a neural network LPR-NET based on the unrolling of the Low Patch Rank model. On the one hand, this allows us to automatically learn parameters from data, and on the other hand to be computationally faster while obtaining qualitatively similar results compared to traditional iterative model-based methods. Moreover, despite being trained on synthetic images, numerical experiments show the ability of our network to generalize well when applied to natural images.
Abstract（参考訳）: 本研究では,構造・テクスチャ画像分解問題に対処するパラメータフリーで効率的な手法を提案する。特に,低パッチランクモデルのアンロールに基づくニューラルネットワークLPR-NETを提案する。一方,データからパラメータを自動的に学習すると同時に,従来の反復的モデルに基づく手法と比較して定性的に類似した結果が得られる。さらに, 合成画像の訓練にもかかわらず, 数値実験により, 自然画像に適用した場合のネットワークの一般化能力が示された。

関連論文リスト

Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文参考訳（メタデータ） (2023-10-11T12:46:11Z)
Semi-sparsity Priors for Image Structure Analysis and Extraction [3.130722489512822]
画像構造解析と抽出のための半スパース正規化フレームワークを提案する。有名な階段のアーチファクトを導入することなく,画像構造を保存できることが示される。また,乗算器の方向法(ADMM)に基づく効率的な数値解も導入する。
論文参考訳（メタデータ） (2023-08-17T18:22:00Z)
Neural Textured Deformable Meshes for Robust Analysis-by-Synthesis [17.920305227880245]
本稿では, 近似解析を用いた三重視覚タスクを一貫した方法で定式化する。実世界の画像で評価すると、従来のニューラルネットワークよりも、我々の分析バイシンセシスの方がはるかに堅牢であることが示される。
論文参考訳（メタデータ） (2023-05-31T18:45:02Z)
Neural inverse procedural modeling of knitting yarns from images [6.114281140793954]
本研究では,個々の特性に着目したネットワークのアンサンブルにおいて,糸構造の複雑さをよりよく見いだせることを示す。そこで本研究では,パラメトリック・プロシージャ糸モデルと各ネットワークアンサンブルを組み合わせることで,ロバストなパラメータ推定が可能であることを実証した。
論文参考訳（メタデータ） (2023-03-01T00:56:39Z)
DeepDC: Deep Distance Correlation as a Perceptual Image Quality Evaluator [53.57431705309919]
ImageNet Pre-trained Deep Neural Network (DNN)は、効果的な画像品質評価(IQA)モデルを構築するための顕著な転送性を示す。我々は,事前学習DNN機能のみに基づく新しいフル参照IQA(FR-IQA)モデルを開発した。 5つの標準IQAデータセット上で,提案した品質モデルの優位性を示すため,包括的実験を行った。
論文参考訳（メタデータ） (2022-11-09T14:57:27Z)
Pushing the Efficiency Limit Using Structured Sparse Convolutions [82.31130122200578]
本稿では,画像の固有構造を利用して畳み込みフィルタのパラメータを削減する構造的スパース畳み込み(SSC)を提案する。我々は、SSCが効率的なアーキテクチャにおける一般的なレイヤ(奥行き、グループ回り、ポイント回りの畳み込み)の一般化であることを示す。 SSCに基づくアーキテクチャは、CIFAR-10、CIFAR-100、Tiny-ImageNet、ImageNet分類ベンチマークのベースラインと比較して、最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2022-10-23T18:37:22Z)
An Optical physics inspired CNN approach for intrinsic image decomposition [0.0]
内在画像分解は、画像の構成成分を生成する開放的な問題である。画像から導出した物理パラメータを用いてこの分解が可能なニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-05-21T00:54:01Z)
Shared Prior Learning of Energy-Based Models for Image Reconstruction [69.72364451042922]
本研究では,地中真理データを含まないトレーニングに特化して設計された画像再構成のための新しい学習ベースフレームワークを提案する。基底真理データがない場合には、損失関数をパッチベースのワッサーシュタイン関数に変更する。共用事前学習では、上記の最適制御問題と正規化器の共用学習パラメータを同時に最適化する。
論文参考訳（メタデータ） (2020-11-12T17:56:05Z)
Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文参考訳（メタデータ） (2020-07-30T05:48:48Z)
Learning Local Complex Features using Randomized Neural Networks for Texture Analysis [0.1474723404975345]
テクスチャ解析のための学習手法と複雑ネットワーク(CN)理論を組み合わせた新しい手法を提案する。この方法はCNの表現能力を利用してテクスチャイメージを有向ネットワークとしてモデル化する。このニューラルネットワークは、単一の隠蔽層を持ち、高速学習アルゴリズムを使用して、テクスチャのキャラクタリゼーションのためにローカルなCNパターンを学習することができる。
論文参考訳（メタデータ） (2020-07-10T23:18:01Z)
Region-adaptive Texture Enhancement for Detailed Person Image Synthesis [86.69934638569815]
RATE-Netは、シャープなテクスチャで人物画像を合成するための新しいフレームワークである。提案するフレームワークは,テクスチャ強化モジュールを利用して,画像から外観情報を抽出する。 DeepFashionベンチマークデータセットで実施された実験は、既存のネットワークと比較して、我々のフレームワークの優位性を実証した。
論文参考訳（メタデータ） (2020-05-26T02:33:21Z)

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。