Fugu-MT 論文翻訳(概要): Image Decomposition with G-norm Weighted by Total Symmetric Variation

論文の概要: Image Decomposition with G-norm Weighted by Total Symmetric Variation

arxiv url: http://arxiv.org/abs/2503.22560v1
Date: Fri, 28 Mar 2025 16:02:46 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-31 15:29:17.367867
Title: Image Decomposition with G-norm Weighted by Total Symmetric Variation
Title（参考訳）: 全対称性変化によるGノルム重み付き画像分解
Authors: Roy Y. He, Martin Huska, Hao Liu,
Abstract要約: 我々は、その全対称性変化(TSV)により、任意の境界変動(BV)画像の特定の非局所的特徴を特徴づける。 TSVが有界なBV画像に対して,提案モデルでは輪郭縁のない解が認められていることを示す。我々のアルゴリズムは一連の数値実験によって検証される。
参考スコア（独自算出の注目度）: 4.297249011611168
License:
Abstract: In this paper, we propose a novel variational model for decomposing images into their respective cartoon and texture parts. Our model characterizes certain non-local features of any Bounded Variation (BV) image by its Total Symmetric Variation (TSV). We demonstrate that TSV is effective in identifying regional boundaries. Based on this property, we introduce a weighted Meyer's $G$-norm to identify texture interiors without including contour edges. For BV images with bounded TSV, we show that the proposed model admits a solution. Additionally, we design a fast algorithm based on operator-splitting to tackle the associated non-convex optimization problem. The performance of our method is validated by a series of numerical experiments.
Abstract（参考訳）: 本稿では,それぞれの漫画やテクスチャにイメージを分解する新しい変分モデルを提案する。我々のモデルは,その全対称性変化(TSV)により,任意の境界変動(BV)画像の局所的特徴を特徴づける。 TSVは地域境界の同定に有効であることを示す。この特性に基づいて、輪郭縁を含まないテクスチャインテリアを識別するために、重み付けされたMeyerの$G$-normを導入する。有界なTSVを持つBV画像に対して,提案したモデルが解を持つことを示す。さらに,演算子分割に基づく高速アルゴリズムを設計し,非凸最適化問題に対処する。本手法の性能は, 一連の数値実験により検証した。

関連論文リスト

Visualization for Multivariate Gaussian Anomaly Detection in Images [0.0]
本稿では,画像中の異常検出のためのPaDiM(Pixel-Wise Anomaly Detection through Instance Modeling)法の簡易なバリエーションを提案する。特徴ベクトルに白化変換を適用することで、このフレームワークの中間ステップを導入する。その結果、視覚モデル検証の重要性が示され、そうでなければ見えない問題に対する洞察を提供することができた。
論文参考訳（メタデータ） (2023-07-12T10:12:57Z)
Difference of Anisotropic and Isotropic TV for Segmentation under Blur and Poisson Noise [2.6381163133447836]
画像をスムーシング・アンド・スレッディング(SaT)セグメンテーションフレームワークを採用して、スムースなソリューションを見つけ、次に$k-meansで画像のセグメンテーションを行う。具体的には、画像平滑化ステップにおいて、ムムフォードシャーモデルの最大雑音を正則化として、異方性全変動(AITV)の最大変動に置き換える。スキームの有効性を検証するための収束解析が提供される。
論文参考訳（メタデータ） (2023-01-06T01:14:56Z)
Manifold Gaussian Variational Bayes on the Precision Matrix [70.44024861252554]
複雑なモデルにおける変分推論(VI)の最適化アルゴリズムを提案する。本研究では,変分行列上の正定値制約を満たすガウス変分推論の効率的なアルゴリズムを開発した。 MGVBPはブラックボックスの性質のため、複雑なモデルにおけるVIのための準備が整ったソリューションである。
論文参考訳（メタデータ） (2022-10-26T10:12:31Z)
A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文参考訳（メタデータ） (2022-02-01T21:21:56Z)
Image Deformation Estimation via Multi-Objective Optimization [13.159751065619544]
自由形変形モデルは、画像上の制御点格子を操作することにより、幅広い非剛体変形を表現することができる。フィットネスランドスケープの複雑さのため,変形画像にモデルを直接適合させることは困難である。
論文参考訳（メタデータ） (2021-06-08T06:52:12Z)
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)
Invariant Deep Compressible Covariance Pooling for Aerial Scene Categorization [80.55951673479237]
本研究では,空気シーン分類におけるニュアンス変動を解決するために,新しい不変な深部圧縮性共分散プール (IDCCP) を提案する。本研究では,公開空間画像データセットに関する広範な実験を行い,最先端の手法と比較して,この手法の優位性を実証する。
論文参考訳（メタデータ） (2020-11-11T11:13:07Z)
Image Inpainting with Learnable Feature Imputation [8.293345261434943]
正規畳み込み層は、未知の領域にフィルターを適用するのと同じ方法で、塗装された画像の視覚的アーティファクトを引き起こす。本稿では,欠落した入力値の畳み込みに対する(階層的な)特徴計算を提案する。我々はCelebA-HQとPlaces2を比較し,そのモデルを検証する。
論文参考訳（メタデータ） (2020-11-02T16:05:32Z)
Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文参考訳（メタデータ） (2020-10-12T13:26:30Z)
A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
論文参考訳（メタデータ） (2020-06-26T08:34:54Z)
A Weighted Difference of Anisotropic and Isotropic Total Variation for Relaxed Mumford-Shah Color and Multiphase Image Segmentation [2.6381163133447836]
異方性および等方性の全変動の差を考慮した一括一括画像分割モデルを提案する。また,カラー画像のセグメンテーションへの一般化についても論じる。
論文参考訳（メタデータ） (2020-05-09T09:35:44Z)

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。