論文の概要: Neural Inverse Scattering with Score-based Regularization

• arxiv url: http://arxiv.org/abs/2505.14560v1
• Date: Tue, 20 May 2025 16:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:53.566926
• Title: Neural Inverse Scattering with Score-based Regularization
• Title（参考訳）: スコアベース正規化によるニューラル逆散乱
• Authors: Yuan Gao, Wenhan Guo, Yu Sun,
• Abstract要約: 逆散乱は、多くのイメージング応用において基本的な課題である。 そこで本研究では,スコアベース生成モデルで用いられるDenoising score関数を統合した正規化ニューラルフィールド(NF)アプローチを提案する。
• 参考スコア（独自算出の注目度）: 10.078914938585228
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inverse scattering is a fundamental challenge in many imaging applications, ranging from microscopy to remote sensing. Solving this problem often requires jointly estimating two unknowns -- the image and the scattering field inside the object -- necessitating effective image prior to regularize the inference. In this paper, we propose a regularized neural field (NF) approach which integrates the denoising score function used in score-based generative models. The neural field formulation offers convenient flexibility to performing joint estimation, while the denoising score function imposes the rich structural prior of images. Our results on three high-contrast simulated objects show that the proposed approach yields a better imaging quality compared to the state-of-the-art NF approach, where regularization is based on total variation.
• Abstract（参考訳）: 逆散乱は、顕微鏡からリモートセンシングまで、多くのイメージングアプリケーションにおいて基本的な課題である。 この問題を解決するには、推論を規則化する前に、画像とオブジェクト内の散乱場という2つの未知を共同で推定する必要があることが多い。 本稿では, スコアベース生成モデルで用いられる復調スコア関数を統合した正規化ニューラルフィールド(NF)アプローチを提案する。 ニューラルフィールドの定式化は関節推定に便利な柔軟性を提供し、デノナイジングスコア関数は画像のリッチな構造を課す。 3つの高コントラスト・シミュレート・オブジェクトに対する実験結果から,提案手法は,全変動に基づいて正規化を行うNF手法と比較して,画像品質が向上することが示された。

関連論文リスト

• Score-Based Turbo Message Passing for Plug-and-Play Compressive Image Recovery [24.60447255507278]
  オフ・ザ・シェルフのイメージ・デノイザは概して、一般的なまたは手作りの先駆者に依存している。 我々は, スコアベース最小二乗誤差(MMSE)デノイザを統合した, 圧縮画像復元のためのメッセージパッシングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-28T04:30:58Z)
• RSR-NF: Neural Field Regularization by Static Restoration Priors for Dynamic Imaging [5.569092860148177]
  動的CT(Dynamic Computed Tomography)の逆問題では、1つの視野角に1つの投影しか得られない。 地平線動データは通常、教師あり学習技術に使用するには利用できないか不足している。 可変分割を持つADMMに基づくアルゴリズムを用いて、変動目標を効率的に最適化する。
  論文  参考訳（メタデータ） (2025-03-13T03:50:47Z)
• Enhancing Dynamic CT Image Reconstruction with Neural Fields and Optical Flow [0.0]
  偏微分方程式に基づく動的逆問題に対する明示的運動正規化器の導入の利点を示す。 また、ニューラルネットワークをグリッドベースの解法と比較し、前者はPSNRで後者より優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-03T13:07:29Z)
• Provably Robust Score-Based Diffusion Posterior Sampling for Plug-and-Play Image Reconstruction [31.503662384666274]
  科学と工学において、ゴールは、ある画像のモダリティを記述する既知のフォワードモデルから収集された少数の測定値から未知の画像を推測することである。 モチベートされたスコアベース拡散モデルはその経験的成功により、画像再構成に先立って模範の印象的な候補として現れた。
  論文  参考訳（メタデータ） (2024-03-25T15:58:26Z)
• IntrinsicNeRF: Learning Intrinsic Neural Radiance Fields for Editable Novel View Synthesis [90.03590032170169]
  内在性ニューラルレンダリング法に内在性分解を導入した内在性ニューラルレイディアンス場(IntrinsicNeRF)を提案する。 そこで,本研究では,オブジェクト固有・ルームスケールシーンと合成・実単語データの両方を用いて,一貫した本質的な分解結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-02T22:45:11Z)
• Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
  本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。 既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。 本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
  論文  参考訳（メタデータ） (2020-12-12T10:33:08Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
  グループベース画像復元法は,パッチ間の類似性収集に有効である。 各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。 提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
  論文  参考訳（メタデータ） (2020-08-09T15:12:16Z)
• Image Response Regression via Deep Neural Networks [4.646077947295938]
  本稿では,空間変動係数モデルの枠組みにおける新しい非パラメトリック手法を提案する。 提案手法の主な考え方は,画像ボクセルを空間的有効サンプルとして扱うことであり,医用画像研究の大部分を悩ませる限られたサンプルサイズの問題を軽減することにある。 本手法の有効性を,集中シミュレーションを用いて実証し,その利点を2つの機能的磁気共鳴イメージングデータセットで分析した。
  論文  参考訳（メタデータ） (2020-06-17T14:45:26Z)

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。