論文の概要: PDE: Gene Effect Inspired Parameter Dynamic Evolution for Low-light Image Enhancement

• arxiv url: http://arxiv.org/abs/2505.09196v1
• Date: Wed, 14 May 2025 07:14:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.392398
• Title: PDE: Gene Effect Inspired Parameter Dynamic Evolution for Low-light Image Enhancement
• Title（参考訳）: PDE:低照度画像強調のためのジェネリックエフェクトによるパラメータ動的進化
• Authors: Tong Li, Lizhi Wang, Hansen Feng, Lin Zhu, Hua Huang,
• Abstract要約: 低照度画像強調(LLIE)は、照明の改善、ノイズの低減、画質の向上を目的とした、計算写真の基本的な課題である。 特定のパラメータをランダム値にリセットすることで、いくつかの画像の強化性能が予期せず向上する現象を観察する。 遺伝子エフェクトは、ランダムなパラメータでさえ、学習したパラメータよりも優れている場合があり、モデルがその能力を完全に活用するのを防ぐ。 新しい環境への適応は、遺伝子変異と組換えに依存し、異なる画像に適応し、遺伝子効果を緩和するパラメータ動的進化(PDE)を提案する。
• 参考スコア（独自算出の注目度）: 22.73061476533364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-light image enhancement (LLIE) is a fundamental task in computational photography, aiming to improve illumination, reduce noise, and enhance image quality. While recent advancements focus on designing increasingly complex neural network models, we observe a peculiar phenomenon: resetting certain parameters to random values unexpectedly improves enhancement performance for some images. Drawing inspiration from biological genes, we term this phenomenon the gene effect. The gene effect limits enhancement performance, as even random parameters can sometimes outperform learned ones, preventing models from fully utilizing their capacity. In this paper, we investigate the reason and propose a solution. Based on our observations, we attribute the gene effect to static parameters, analogous to how fixed genetic configurations become maladaptive when environments change. Inspired by biological evolution, where adaptation to new environments relies on gene mutation and recombination, we propose parameter dynamic evolution (PDE) to adapt to different images and mitigate the gene effect. PDE employs a parameter orthogonal generation technique and the corresponding generated parameters to simulate gene recombination and gene mutation, separately. Experiments validate the effectiveness of our techniques. The code will be released to the public.
• Abstract（参考訳）: 低照度画像強調(LLIE)は、照明の改善、ノイズの低減、画質の向上を目的とした、計算写真の基本的な課題である。 最近の進歩は、ますます複雑なニューラルネットワークモデルの設計に焦点を当てているが、特定のパラメータをランダムな値にリセットすることで、いくつかの画像の強化性能が予期せず向上する、というユニークな現象が観察されている。 生物学的遺伝子からインスピレーションを得て、この現象を遺伝子効果と呼ぶ。 遺伝子エフェクトは、ランダムなパラメータでさえ、学習したパラメータよりも優れている場合があり、モデルがその能力を完全に活用するのを防ぐ。 本稿では,その理由を考察し,その解決策を提案する。 本研究は, 固定された遺伝子構成が環境変化によって不適応になるのと同様, 静的パラメーターによる遺伝子効果を特徴付ける。 新しい環境への適応は、遺伝子変異と組換えに依存し、異なる画像に適応し、遺伝子効果を緩和するパラメータ動的進化(PDE)を提案する。 PDEはパラメータ直交生成技術とそれに対応するパラメータを用いて、遺伝子組換えと遺伝子突然変異を個別にシミュレートする。 実験は我々の技術の有効性を検証する。 コードは一般に公開される。

関連論文リスト

• GRAPE: Heterogeneous Graph Representation Learning for Genetic Perturbation with Coding and Non-Coding Biotype [51.58774936662233]
  遺伝子制御ネットワーク(GRN)の構築は、遺伝的摂動の影響を理解し予測するために不可欠である。 本研究では,事前学習した大規模言語モデルとDNAシークエンスモデルを用いて,遺伝子記述やDNAシークエンスデータから特徴を抽出する。 我々は、遺伝子摂動において初めて遺伝子バイオタイプ情報を導入し、細胞プロセスの制御において異なるバイオタイプを持つ遺伝子の異なる役割をシミュレートした。
  論文  参考訳（メタデータ） (2025-05-06T03:35:24Z)
• A Simple yet Effective DDG Predictor is An Unsupervised Antibody Optimizer and Explainer [53.85265022754878]
  高速な突然変異スクリーニングのための軽量DDG予測器(Light-DDG)を提案する。 また、Light-DDGを事前学習するための数百万の突然変異データを含む大規模データセットもリリースした。 対象抗体について,変異選好を学習するための新しい変異説明器を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:26:57Z)
• Effective Adaptive Mutation Rates for Program Synthesis [3.2228025627337864]
  進化的アルゴリズムの問題解決性能は突然変異率に依存する。 本稿では,変異率の特定の必要性を解消する適応的バンディットに基づく突然変異法を提案する。 ソフトウェア合成とシンボリック回帰問題の結果から,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2024-06-23T00:56:37Z)
• Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
  遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
  論文  参考訳（メタデータ） (2024-06-05T06:42:27Z)
• Parameter Efficient Adaptation for Image Restoration with Heterogeneous Mixture-of-Experts [52.39959535724677]
  画像復元モデルの一般化を改善するための代替手法を提案する。 ローカル,グローバル,チャネル表現ベースをキャプチャするマルチブランチ設計のMixture-of-Experts (MoE) であるAdaptIRを提案する。 我々のAdaptIRは、単一劣化タスクにおける安定した性能を実現し、8時間間、微調整はわずか0.6%のパラメータしか持たず、ハイブリッド劣化タスクにおいて優れる。
  論文  参考訳（メタデータ） (2023-12-12T14:27:59Z)
• Epigenetics Algorithms: Self-Reinforcement-Attention mechanism to regulate chromosomes expression [0.0]
  本稿ではメチル化として知られるエピジェネティックス現象を模倣する新しいエピジェネティックスアルゴリズムを提案する。 エピジェネティックスアルゴリズムの斬新さは、主に注意機構と深層学習を利用しており、遺伝子/サイレンシングの概念とよく適合している。
  論文  参考訳（メタデータ） (2023-03-15T21:33:21Z)
• eVAE: Evolutionary Variational Autoencoder [40.29009643819948]
  変動情報ボトルネック(VIB)理論に基づく進化的変分オートエンコーダ(eVAE)の構築を提案する。 eVAEは変異遺伝的アルゴリズムを、変異突然変異、交叉、進化を含む変異進化演算子とVAEに統合する。 eVAEは、コンペティターよりもコンペティターのリコンストラクションロス、アンタングル、ジェネレーション-推論バランスが向上する。
  論文  参考訳（メタデータ） (2023-01-01T23:54:35Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• A reproducibility study of "Augmenting Genetic Algorithms with Deep Neural Networks for Exploring the Chemical Space" [0.0]
  Nigamらは、SELFIES表現を利用した遺伝的アルゴリズム(GA)を報告し、適応的ニューラルネットワークに基づくペナルティを提案する。 総じて,SELFIESをベースとしたGAを用いて比較結果の再現が可能であった。
  論文  参考訳（メタデータ） (2021-02-01T08:47:37Z)

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。