論文の概要: Rasterized Steered Mixture of Experts for Efficient 2D Image Regression
- arxiv url: http://arxiv.org/abs/2510.05814v1
- Date: Tue, 07 Oct 2025 11:32:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-08 17:57:08.226818
- Title: Rasterized Steered Mixture of Experts for Efficient 2D Image Regression
- Title（参考訳）: 高能率2次元画像回帰のためのrasterized Steered Mixture of Experts
- Authors: Yi-Hsin Li, Thomas Sikora, Sebastian Knorr, Mårten Sjöström,
- Abstract要約: 提案手法は,モデル固有の空間と再現性を維持しつつ,2次元画像の回帰を加速するように設計されている。
グローバル反復最適化を一般化された定式化に置き換えることで,パラメータの更新が大幅に高速化され,メモリ効率が向上する。
- 参考スコア（独自算出の注目度）: 1.7767675364046989
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The Steered Mixture of Experts regression framework has demonstrated strong performance in image reconstruction, compression, denoising, and super-resolution. However, its high computational cost limits practical applications. This work introduces a rasterization-based optimization strategy that combines the efficiency of rasterized Gaussian kernel rendering with the edge-aware gating mechanism of the Steered Mixture of Experts. The proposed method is designed to accelerate two-dimensional image regression while maintaining the model's inherent sparsity and reconstruction quality. By replacing global iterative optimization with a rasterized formulation, the method achieves significantly faster parameter updates and more memory-efficient model representations. In addition, the proposed framework supports applications such as native super-resolution and image denoising, which are not directly achievable with standard rasterized Gaussian kernel approaches. The combination of fast rasterized optimization with the edge-aware structure of the Steered Mixture of Experts provides a new balance between computational efficiency and reconstruction fidelity for two-dimensional image processing tasks.
- Abstract（参考訳）: Steered Mixture of Expertsレグレッションフレームワークは、画像再構成、圧縮、デノイング、超解像において強力なパフォーマンスを示している。
しかし、その高い計算コストは実用的応用を制限している。
この研究は、ラスタライズに基づく最適化戦略を導入し、ラスタライズされたガウスのカーネルレンダリングの効率と、Steered Mixture of Expertsのエッジ認識ゲーティング機構を組み合わせた。
提案手法は,モデル固有の空間と再現性を維持しつつ,2次元画像の回帰を加速するように設計されている。
グローバル反復最適化をラスタ化定式化に置き換えることで,パラメータの更新が大幅に高速化され,メモリ効率が向上する。
さらに,提案フレームワークは,標準的なラスタライズされたガウスカーネルアプローチでは直接達成できない,ネイティブ超解像やイメージデノイングなどのアプリケーションをサポートする。
高速ラスタ化最適化とSteered Mixture of Expertsのエッジ認識構造を組み合わせることで、2次元画像処理タスクの計算効率と再構成忠実度の間に新たなバランスがもたらされる。
関連論文リスト
- Pixel to Gaussian: Ultra-Fast Continuous Super-Resolution with 2D Gaussian Modeling [50.34513854725803]
Arbitrary-scale Super- resolution (ASSR) は、低解像度(LR)入力から任意のアップサンプリング係数で高解像度(HR)イメージを再構成することを目的としている。
本稿では,Gaussian Splattingを用いたLR画像から2次元連続HR信号を明示的に再構成する,Pixel-to-Gaussianパラダイムを用いた新しいContinuousSRフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-09T13:43:57Z) - Balanced Rate-Distortion Optimization in Learned Image Compression [11.729071258457138]
ディープラーニングアーキテクチャを使用した学習可能な画像圧縮(lic)は、大きな進歩を遂げている。
標準レート歪み(R-D)最適化はしばしば、レートと歪みの目的の様々な勾配のために不均衡な更新に遭遇する。
本稿では2つのバランスの取れたR-D最適化手法を導入し、勾配更新を適応的に調整し、速度と歪みの両面でより公平な改善を実現する。
論文 参考訳（メタデータ） (2025-02-27T15:00:43Z) - Learning Efficient and Effective Trajectories for Differential Equation-based Image Restoration [59.744840744491945]
本稿では, この手法の軌道最適化を改良し, 復元品質と効率の両立に焦点をあてる。
反復サンプリングに伴うかなりの計算負担を軽減するため,コストを考慮したトラジェクトリー蒸留法を提案する。
提案アルゴリズムを用いて基礎拡散モデル(FLUX)を12Bパラメータで微調整し、7種類の画像復元タスクを処理する統一的なフレームワークを作成する。
論文 参考訳（メタデータ） (2024-10-07T07:46:08Z) - Adaptive Image Registration: A Hybrid Approach Integrating Deep Learning
and Optimization Functions for Enhanced Precision [13.242184146186974]
本稿では,ディープニューラルネットワークと最適化に基づく画像登録のための単一のフレームワークを提案する。
また, 実験データの最大1.6%の改善と, 同じ推定時間を維持しつつ, 変形場平滑化における1.0%の性能向上を示す。
論文 参考訳（メタデータ） (2023-11-27T02:48:06Z) - DiffSCI: Zero-Shot Snapshot Compressive Imaging via Iterative Spectral
Diffusion Model [18.25548360119976]
マルチスペクトル画像(MSI)におけるスナップショット圧縮画像(SCI)再構成の精度向上を目指した。
DiffSCIと呼ばれる新しいゼロショット拡散モデルを提案する。
我々は,DiffSCIが自己監督的,ゼロショット的アプローチよりも顕著な性能向上を示すことを示すため,広範囲な試験を行った。
論文 参考訳（メタデータ） (2023-11-19T20:27:14Z) - A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。
これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。
本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Large-scale Global Low-rank Optimization for Computational Compressed
Imaging [8.594666859332124]
本稿では,グローバルな自己相似性と高効率な大規模再構成を実現するグローバル低ランク(GLR)最適化手法を提案する。
深層学習における自己認識機構に触発されたGLRは、従来の一様選択の代わりに特徴検出によって画像パッチを抽出する。
時間・周波数・スペクトル次元におけるGLRの有効性を実験的に実証した。
論文 参考訳（メタデータ） (2023-01-08T14:12:51Z) - Effective Invertible Arbitrary Image Rescaling [77.46732646918936]
Invertible Neural Networks (INN)は、ダウンスケーリングとアップスケーリングのサイクルを共同で最適化することにより、アップスケーリングの精度を大幅に向上させることができる。
本研究の1つのモデルのみをトレーニングすることにより、任意の画像再スケーリングを実現するために、単純で効果的な非可逆的再スケーリングネットワーク(IARN)を提案する。
LR出力の知覚品質を損なうことなく、双方向任意再スケーリングにおいて最先端(SOTA)性能を実現する。
論文 参考訳（メタデータ） (2022-09-26T22:22:30Z) - Fast Multi-grid Methods for Minimizing Curvature Energy [6.882141405929301]
平均曲率とガウス曲率エネルギー関数を最小化するための高速マルチグリッドアルゴリズムを提案する。
我々の定式化では人工パラメータは導入されず、提案アルゴリズムの堅牢性を保証する。
画像のテクスチャを復元する能力を実証するために,画像復調とCT再構成の両問題に対して数値実験を行った。
論文 参考訳（メタデータ） (2022-04-17T04:34:38Z) - 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)
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。