論文の概要: Patch-based learning of adaptive Total Variation parameter maps for blind image denoising

• arxiv url: http://arxiv.org/abs/2503.16010v1
• Date: Thu, 20 Mar 2025 10:24:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 22:26:42.922537
• Title: Patch-based learning of adaptive Total Variation parameter maps for blind image denoising
• Title（参考訳）: 視覚障害者のための適応的トータル変動パラメータマップのパッチベース学習
• Authors: Claudio Fantasia, Luca Calatroni, Xavier Descombes, Rim Rekik,
• Abstract要約: ノイズがガウシアンかポアソンかのいずれかでありうる状況について考察し、ノイズ分布が不明な状況について検証する。 我々は,各画像画素に対して,テレビの正規化と対応するデータの忠実度を最適に重み付けするパッチベースのアプローチを定義する。
• 参考スコア（独自算出の注目度）: 0.44998333629984877
• License:
• Abstract: We consider a patch-based learning approach defined in terms of neural networks to estimate spatially adaptive regularisation parameter maps for image denoising with weighted Total Variation and test it to situations when the noise distribution is unknown. As an example, we consider situations where noise could be either Gaussian or Poisson and perform preliminary model selection by a standard binary classification network. Then, we define a patch-based approach where at each image pixel an optimal weighting between TV regularisation and the corresponding data fidelity is learned in a supervised way using reference natural image patches upon optimisation of SSIM and in a sliding window fashion. Extensive numerical results are reported for both noise models, showing significant improvement w.r.t. results obtained by means of optimal scalar regularisation.
• Abstract（参考訳）: 重み付きトータル変分を用いた画像の空間適応正規化パラメータマップを推定し、ノイズ分布が不明な状況下でテストするために、ニューラルネットワークの観点で定義されたパッチベースの学習手法を検討する。 例えば、ノイズがガウスかポアソンかのいずれかでありうる状況について考察し、標準的な二項分類網による予備モデル選択を行う。 そこで,本研究では,SSIMの最適化とスライディングウインドウ方式により,各画像画素においてTVの正規化と対応するデータの忠実度を最適に重み付けするパッチベースのアプローチを定義する。 両ノイズモデルに対して, 最適スカラー正則化法により得られた有意な改善効果を示す大規模な数値結果が報告された。

関連論文リスト

• 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)
• Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
  本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。 因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。 また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
  論文  参考訳（メタデータ） (2022-03-29T13:07:53Z)
• Noise Distribution Adaptive Self-Supervised Image Denoising using Tweedie Distribution and Score Matching [29.97769511276935]
  本研究では,現代の深層学習においてTweedie分布が重要な役割を担っていることを示す。 具体的には、最近のNoss2Score自己教師型画像復調法とTweedie分布のサドル点近似を組み合わせることで、一般の閉形式復調式を提供することができる。 提案手法は, ノイズモデルとパラメータを正確に推定し, ベンチマークデータセットと実世界のデータセットで, 最先端の自己教師付き画像復調性能を提供する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:08Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Edge Adaptive Hybrid Regularization Model For Image Deblurring [0.0]
  雑音やぼやけた画像の再構成のために,空間適応型自動正規化モデルを提案する。 エッジを検出し、エッジ情報に応じて、各ピクセルのTikhonovおよびTV正規化項のパラメータを空間的に調整する。 シミュレーションにより,提案手法は画像のエッジを効果的に保留し,ノイズやぼやけを同時に除去することを示した。
  論文  参考訳（メタデータ） (2020-11-20T08:12:23Z)
• Statistical Analysis of Signal-Dependent Noise: Application in Blind Localization of Image Splicing Forgery [20.533239616846874]
  本研究では,信号依存ノイズ(SDN)を局所化タスクのスプライシングに適用する。 最大後方マルコフランダムフィールド(MAP-MRF)フレームワークを構築することで、ノイズの可能性を生かし、スプリケートされた物体の異領域を明らかにする。 実験結果から,本手法は有効であり,比較ローカライゼーション性能が得られた。
  論文  参考訳（メタデータ） (2020-10-30T11:53:53Z)
• Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating Back-Propagation for Saliency Detection [54.98042023365694]
  本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。 提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
  論文  参考訳（メタデータ） (2020-07-23T18:47:36Z)
• Fully Unsupervised Diversity Denoising with Convolutional Variational Autoencoders [81.30960319178725]
  完全畳み込み変分オートエンコーダ(VAE)に基づく復調手法であるDivNoisingを提案する。 まず, 撮像ノイズモデルをデコーダに明示的に組み込むことにより, 教師なしの雑音発生問題をVAEフレームワーク内に定式化する手法を提案する。 このようなノイズモデルは、ノイズの多いデータから測定したり、ブートストラップしたり、トレーニング中に共同学習したりすることが可能である。
  論文  参考訳（メタデータ） (2020-06-10T21:28:13Z)
• Understanding Integrated Gradients with SmoothTaylor for Deep Neural Network Attribution [70.78655569298923]
  ディープニューラルネットワークモデルの属性方法としての統合グラディエントは、シンプルな実装性を提供する。 理解しやすさに影響を及ぼす説明のうるささに悩まされる。 SmoothGrad法は,ノイズ問題を解消し,勾配に基づく帰属法の帰属写像を円滑化するために提案される。
  論文  参考訳（メタデータ） (2020-04-22T10:43:19Z)
• 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。