論文の概要: Rotation-Equivariant Self-Supervised Method in Image Denoising

• arxiv url: http://arxiv.org/abs/2505.19618v1
• Date: Mon, 26 May 2025 07:32:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.246866
• Title: Rotation-Equivariant Self-Supervised Method in Image Denoising
• Title（参考訳）: 画像デノイングにおける回転同変自己監督法
• Authors: Hanze Liu, Jiahong Fu, Qi Xie, Deyu Meng,
• Abstract要約: 本稿では,高精度な回転同変畳み込みを自己教師付き画像復調に導入する。 我々の知る限りでは、回転同変画像が自己監督画像に導入されたのはこれが初めてである。 そこで我々は,回転同変ネットワークとバニラCNNベースのネットワークの出力を融合させるマスク機構を設計した。
• 参考スコア（独自算出の注目度）: 46.44312175792672
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-supervised image denoising methods have garnered significant research attention in recent years, for this kind of method reduces the requirement of large training datasets. Compared to supervised methods, self-supervised methods rely more on the prior embedded in deep networks themselves. As a result, most of the self-supervised methods are designed with Convolution Neural Networks (CNNs) architectures, which well capture one of the most important image prior, translation equivariant prior. Inspired by the great success achieved by the introduction of translational equivariance, in this paper, we explore the way to further incorporate another important image prior. Specifically, we first apply high-accuracy rotation equivariant convolution to self-supervised image denoising. Through rigorous theoretical analysis, we have proved that simply replacing all the convolution layers with rotation equivariant convolution layers would modify the network into its rotation equivariant version. To the best of our knowledge, this is the first time that rotation equivariant image prior is introduced to self-supervised image denoising at the network architecture level with a comprehensive theoretical analysis of equivariance errors, which offers a new perspective to the field of self-supervised image denoising. Moreover, to further improve the performance, we design a new mask mechanism to fusion the output of rotation equivariant network and vanilla CNN-based network, and construct an adaptive rotation equivariant framework. Through extensive experiments on three typical methods, we have demonstrated the effectiveness of the proposed method.
• Abstract（参考訳）: 近年, 自己監督型画像認識手法は, 大規模な訓練データセットの要求を減らし, 研究の注目を集めている。 教師付き手法と比較して、自己教師付き手法はディープネットワーク自体に予め埋め込まれていた手法に依存している。 その結果、自己教師型手法のほとんどは畳み込みニューラルネットワーク(CNN)アーキテクチャで設計されており、それ以前の最も重要な画像の1つである翻訳同変をうまく捉えている。 本稿では,翻訳等式の導入によって達成された大成功に触発されて,さらに重要なイメージを先に組み込む方法を探る。 具体的には、まず、自己教師付き画像復調に高精度な回転同変畳み込みを適用する。 厳密な理論的解析を通じて、すべての畳み込み層を回転同変畳み込み層に置き換えれば、ネットワークを回転同変バージョンに修正できることを示した。 我々の知る限りでは、ネットワークアーキテクチャレベルでの自己教師型画像に、自己教師型画像に先行する回転同変画像が導入されたのはこれが初めてであり、自己教師型画像の分野への新たな視点を提供する。 さらに,さらなる性能向上のために,回転同変ネットワークとバニラCNNベースのネットワークの出力を融合する新しいマスク機構を設計し,適応的回転同変フレームワークを構築する。 提案手法の有効性を実証した。

関連論文リスト

• Equivariant Denoisers for Image Restoration [8.865896660863681]
  等変復号器と最適化に基づいて,等変正規化(ERED)と呼ばれる統一フレームワークを提案する。 本稿では,このアルゴリズムの収束性を分析し,その実用性について論じる。
  論文  参考訳（メタデータ） (2024-12-06T10:22:00Z)
• Equivariant plug-and-play image reconstruction [10.781078029828473]
  プラグ・アンド・プレイのアルゴリズムは、強力な事前訓練されたデノイザを利用して、逆画像の問題を解決することができる。 復号器上のある種の変換群に等しくなると、アルゴリズムの安定性が向上し、再構成品質が向上することを示す。 複数の画像モダリティとデノナイジングネットワークの実験により、同変プラグ・アンド・プレイ・アルゴリズムは再構成性能と安定性の両方を、同変でないものと比較して改善することを示した。
  論文  参考訳（メタデータ） (2023-12-04T12:07:39Z)
• 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)
• Imaging with Equivariant Deep Learning [9.333799633608345]
  我々は、同変イメージングの出現する分野を概観し、それが一般化と新たなイメージングの機会をいかに向上させるかを示す。 獲得物理と集団行動の相互作用と、反復的再構成、ブラインド圧縮センシング、自己教師型学習との関連を示す。
  論文  参考訳（メタデータ） (2022-09-05T02:13:57Z)
• Denoising Diffusion Restoration Models [110.1244240726802]
  Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。 DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
  論文  参考訳（メタデータ） (2022-01-27T20:19:07Z)
• 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)

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。