Fugu-MT 論文翻訳(概要): A PDE-Based Image Dehazing Method via Atmospheric Scattering Theory

論文の概要: A PDE-Based Image Dehazing Method via Atmospheric Scattering Theory

arxiv url: http://arxiv.org/abs/2506.08793v2
Date: Sun, 12 Oct 2025 13:26:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-14 22:41:56.0931
Title: A PDE-Based Image Dehazing Method via Atmospheric Scattering Theory
Title（参考訳）: 大気散乱理論によるPDEに基づく画像デハージング法
Authors: Liubing Hu, Pu Wang, Guangwei Gao, Chunyan Wang, Zhuoran Zheng,
Abstract要約: 単像脱ハージングのための新しい偏微分方程式(PDE)フレームワークを導入する。重要なイノベーションは、前もってダークチャネルによってガイドされた適応正則化メカニズムである。画像の忠実さを保ちながら,本手法の有効性を確認した。
参考スコア（独自算出の注目度）: 21.305574997938685
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces a novel partial differential equation (PDE) framework for single-image dehazing. We embed the atmospheric scattering model into a PDE featuring edge-preserving diffusion and a nonlocal operator to maintain both local details and global structures. A key innovation is an adaptive regularization mechanism guided by the dark channel prior, which adjusts smoothing strength based on haze density. The framework's mathematical well-posedness is rigorously established by proving the existence and uniqueness of its weak solution in $H_0^1(\Omega)$. An efficient, GPU-accelerated fixed-point solver is used for implementation. Experiments confirm our method achieves effective haze removal while preserving high image fidelity, offering a principled alternative to purely data-driven techniques.
Abstract（参考訳）: 本稿では, 単像脱ハージングのための新しい偏微分方程式(PDE)フレームワークを提案する。大気散乱モデルをエッジ保存拡散を特徴とするPDEと非局所演算子に埋め込み,局所的詳細と大域的構造を両立させる。鍵となる革新は、暗チャネルによって導かれる適応正則化機構であり、これはヘイズ密度に基づいて滑らかな強度を調整する。このフレームワークの数学的健全性は、その弱解の存在と一意性を$H_0^1(\Omega)$で証明することによって厳密に確立される。効率的なGPU加速固定点解法が実装に使用される。実験により,画像の忠実さを保ちながら効果的なヘイズ除去を実現し,純粋にデータ駆動技術に代わる基本的手法を提供する。

関連論文リスト

Outsourced diffusion sampling: Efficient posterior inference in latent spaces of generative models [65.71506381302815]
本稿では、$p(mathbfxmidmathbfy) propto p_theta(mathbfx)$ という形式の後続分布からサンプリングするコストを償却する。多くのモデルや制約に対して、後部ノイズ空間はデータ空間よりも滑らかであり、償却推論により適している。
論文参考訳（メタデータ） (2025-02-10T19:49:54Z)
Variable Selection in Convex Piecewise Linear Regression [5.366354612549172]
本稿では,凸片方向線形回帰における変数選択の解としてスパース勾配を提案する。亜ガウス雑音下でのSpGDには非漸近局所収束解析が提供される。
論文参考訳（メタデータ） (2024-11-04T16:19:09Z)
Conditioning diffusion models by explicit forward-backward bridging [18.358369507787742]
ジョイントモデル $pi(x, y)$ を対象とする非条件拡散モデルが与えられた場合、条件付きシミュレーション $pi(x mid y)$ を実行するためにそれを使うというのは、いまだに未解決の問題である。本研究では,部分的なSDEブリッジに対応する拡張空間上の推論問題として,近近性拡散モデル内でのEmphexact条件付きシミュレーションを表現する。
論文参考訳（メタデータ） (2024-05-22T16:17:03Z)
Minimax Optimality of Score-based Diffusion Models: Beyond the Density Lower Bound Assumptions [11.222970035173372]
カーネルベースのスコア推定器は$widetildeOleft(n-1 t-fracd+22(tfracd2 vee 1)rightの最適平均二乗誤差を達成する核を用いたスコア推定器は,拡散モデルで生成した試料の分布の総変動誤差に対して,極小ガウスの下での最大平均2乗誤差を$widetildeOleft(n-1/2 t-fracd4right)$上界で達成することを示す。
論文参考訳（メタデータ） (2024-02-23T20:51:31Z)
Efficient Sampling of Stochastic Differential Equations with Positive Semi-Definite Models [91.22420505636006]
本稿では, ドリフト関数と拡散行列を考慮し, 微分方程式からの効率的なサンプリング問題を扱う。 1/varepsilonは$m2d log (1/varepsilon)$である。以上の結果から,真の解がより滑らかになるにつれて,どのような凸性も必要とせず,次元の呪いを回避できることが示唆された。
論文参考訳（メタデータ） (2023-03-30T02:50:49Z)
Improved Langevin Monte Carlo for stochastic optimization via landscape modification [0.0]
目的関数$H$を最小にするか,あるいは目標とするGibbs分布$pi_beta0propto e-beta H$を低温からサンプリングすると,本論文では,代替ランドスケープで動作するLangevin Monte Carlo (LMC)アルゴリズムを提案し,解析する。変換されたランドスケープのエネルギー障壁は減少し、その結果、$pif_beta,c,1$に付随する修正Log-Sobolev定数の$beta$と$M$の両方に依存することが示される。
論文参考訳（メタデータ） (2023-02-08T10:08:37Z)
Optimal Gradient Sliding and its Application to Distributed Optimization Under Similarity [121.83085611327654]
積 $r:=p + q$, ここで$r$は$mu$-strong convex類似性である。エージェントの通信やローカルコールにマスターされた問題を解決する方法を提案する。提案手法は$mathcalO(sqrtL_q/mu)$法よりもはるかにシャープである。
論文参考訳（メタデータ） (2022-05-30T14:28:02Z)
A first-order primal-dual method with adaptivity to local smoothness [64.62056765216386]
凸凹対象 $min_x max_y f(x) + langle Ax, yrangle - g*(y)$, ここで、$f$ は局所リプシッツ勾配を持つ凸関数であり、$g$ は凸かつ非滑らかである。主勾配ステップと2段ステップを交互に交互に行うCondat-Vuアルゴリズムの適応バージョンを提案する。
論文参考訳（メタデータ） (2021-10-28T14:19:30Z)
On the Self-Penalization Phenomenon in Feature Selection [69.16452769334367]
カーネル群に基づく暗黙の空間性誘導機構について述べる。アプリケーションとしては、この疎結合誘導機構を使用して、特徴選択に一貫性のあるアルゴリズムを構築します。
論文参考訳（メタデータ） (2021-10-12T09:36:41Z)
Asymptotic Theory of $\ell_1$-Regularized PDE Identification from a Single Noisy Trajectory [2.0299248281970956]
線形および非線形進化的偏微分方程式(PDE)の一般クラスに対する1つの雑音軌道からの支持回復を証明した。 Local-Polynomialフィルタによって定義される単一の軌道データから、$mathbfc(lambda)のサポートが基礎となるPDEに関連する真の署名サポートに$ally収束することを保証する十分な条件のセットを提供します。
論文参考訳（メタデータ） (2021-03-12T02:23:04Z)
Linear Time Sinkhorn Divergences using Positive Features [51.50788603386766]
エントロピー正則化で最適な輸送を解くには、ベクトルに繰り返し適用される$ntimes n$ kernel matrixを計算する必要がある。代わりに、$c(x,y)=-logdotpvarphi(x)varphi(y)$ ここで$varphi$は、地上空間から正のorthant $RRr_+$への写像であり、$rll n$である。
論文参考訳（メタデータ） (2020-06-12T10:21:40Z)
Spectral density estimation with the Gaussian Integral Transform [91.3755431537592]
スペクトル密度作用素 $hatrho(omega)=delta(omega-hatH)$ は線形応答論において中心的な役割を果たす。スペクトル密度を近似する近似量子アルゴリズムについて述べる。
論文参考訳（メタデータ） (2020-04-10T03:14:38Z)

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。