Fugu-MT 論文翻訳(概要): Adaptive double-phase Rudin--Osher--Fatemi denoising model

論文の概要: Adaptive double-phase Rudin--Osher--Fatemi denoising model

arxiv url: http://arxiv.org/abs/2510.04382v1
Date: Sun, 05 Oct 2025 22:26:06 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-07 16:52:59.620067
Title: Adaptive double-phase Rudin--Osher--Fatemi denoising model
Title（参考訳）: 適応二相Rudin-Osher--Fatemi復調モデル
Authors: Wojciech Górny, Michał Łasica, Alexandros Matsoukas,
Abstract要約: 適応重み付き2相型の可変成長全変動正規化に基づく新しい画像復調モデルを提案する。古典的なルーディン-オッシャー-ファテミモデルに関して階段を減らすように設計されている。
参考スコア（独自算出の注目度）: 41.99844472131922
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a new image denoising model based on a variable-growth total variation regularization of double-phase type with adaptive weight. It is designed to reduce staircasing with respect to the classical Rudin--Osher--Fatemi model, while preserving the edges of the image in a similar fashion. We implement the model and test its performance on synthetic and natural images in 1D and 2D over a range of noise levels.
Abstract（参考訳）: 適応重み付き2相型の可変成長全変動正規化に基づく新しい画像復調モデルを提案する。古典的なルーディン-オッシャー-ファテミモデルに対して、同じ方法で画像の縁を保ちながら階段を小さくするように設計されている。このモデルを実装し,その性能を1次元および2次元の合成および自然画像上で様々なノイズレベルにわたって検証する。

関連論文リスト

Robust image segmentation model based on binary level set [3.6985338895569204]
本論文は、強度不均一画像における照明項をモデル化する。ノイズの多い画像に対するモデルのロバスト性を高めるために,提案モデルにバイナリレベルセットモデルを組み込む。変分演算子GLを導入することにより,ノイズの多い画像のセグメンテーション能力が向上することを示す。
論文参考訳（メタデータ） (2024-03-20T08:33:40Z)
A locally statistical active contour model for SAR image segmentation can be solved by denoising algorithms [0.881121308982678]
I-divergence-TV denoisingモデルに基づく局所統計的変動型アクティブな輪郭モデルを提案する。最近,Jia-Zhaoによって提案された高速復調アルゴリズムに着想を得て,SAR画像分割問題の解法として2つの高速固定点アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-01-10T00:27:14Z)
Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
論文参考訳（メタデータ） (2023-09-18T09:36:24Z)
On Distillation of Guided Diffusion Models [94.95228078141626]
そこで本研究では,分類器を含まない誘導拡散モデルから抽出し易いモデルへ抽出する手法を提案する。画素空間上で訓練された標準拡散モデルに対して,本手法は元のモデルに匹敵する画像を生成することができる。遅延空間で訓練された拡散モデル(例えば、安定拡散)に対して、我々の手法は1から4段階のデノナイジングステップで高忠実度画像を生成することができる。
論文参考訳（メタデータ） (2022-10-06T18:03:56Z)
Towards Bidirectional Arbitrary Image Rescaling: Joint Optimization and Cycle Idempotence [76.93002743194974]
本稿では、任意の再スケーリング(アップスケーリングとダウンスケーリングの両方)を統一プロセスとして扱う方法を提案する。提案モデルでは、アップスケーリングとダウンスケーリングを同時に学習し、双方向の任意のイメージ再スケーリングを実現する。繰り返しにダウンスケーリング・アップスケーリング・サイクルが適用された場合, 復元精度が著しく低下することなく, サイクルイデオポテンス試験において堅牢であることが確認された。
論文参考訳（メタデータ） (2022-03-02T07:42:15Z)
Noise2Same: Optimizing A Self-Supervised Bound for Image Denoising [54.730707387866076]
本稿では,新しい自己教師型デノベーションフレームワークであるNoss2Sameを紹介する。特にノイズ2Sameは、ノイズモデルに関するJ-不変性や余分な情報を必要としない。以上の結果から,ノイズ2Sameは従来の自己監督型遮音法よりも優れていたことが示唆された。
論文参考訳（メタデータ） (2020-10-22T18:12:26Z)
Iterative regularization algorithms for image denoising with the TV-Stokes model [4.09305676000817]
本稿では,ガウス雑音を伴う雑音の多い画像から画像を復元する,TV-Stokesモデルのための反復正規化アルゴリズムを提案する。復元された画像の品質において,元の手法よりも改善した実験結果が得られた。
論文参考訳（メタデータ） (2020-09-24T22:55:18Z)
Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating Back-Propagation for Saliency Detection [54.98042023365694]
本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
論文参考訳（メタデータ） (2020-07-23T18:47:36Z)

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。