論文の概要: Locally-Supervised Global Image Restoration
- arxiv url: http://arxiv.org/abs/2511.01998v1
- Date: Mon, 03 Nov 2025 19:12:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 18:47:05.6591
- Title: Locally-Supervised Global Image Restoration
- Title（参考訳）: 局所的にスーパービジョンされたグローバルイメージ復元
- Authors: Benjamin Walder, Daniel Toader, Robert Nuster, Günther Paltauf, Peter Burgholzer, Gregor Langer, Lukas Krainer, Markus Haltmeier,
- Abstract要約: アップサンプリングとインペイントの両方を含む不完全な測定から画像再構成の問題に対処する。
予測においても、本質的に不完全である固定的決定論的サンプリングパターンを考察する。
光音響顕微鏡の光学分解能画像アップサンプリングにおける本手法の有効性を検証した。
- 参考スコア（独自算出の注目度）: 2.1423215611990094
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We address the problem of image reconstruction from incomplete measurements, encompassing both upsampling and inpainting, within a learning-based framework. Conventional supervised approaches require fully sampled ground truth data, while self-supervised methods allow incomplete ground truth but typically rely on random sampling that, in expectation, covers the entire image. In contrast, we consider fixed, deterministic sampling patterns with inherently incomplete coverage, even in expectation. To overcome this limitation, we exploit multiple invariances of the underlying image distribution, which theoretically allows us to achieve the same reconstruction performance as fully supervised approaches. We validate our method on optical-resolution image upsampling in photoacoustic microscopy (PAM), demonstrating competitive or superior results while requiring substantially less ground truth data.
- Abstract（参考訳）: 本研究では,不完全測定から画像再構成の問題に対処し,アップサンプリングとインペインティングの両方を学習ベースのフレームワークで扱う。
従来の教師付きアプローチでは、完全にサンプリングされた基底真理データが必要であるが、自己監督手法では不完全な基底真理を許すが、通常、予想される限り、画像全体をカバーするランダムサンプリングに依存する。
対照的に、予測においても、本質的に不完全である固定的決定論的サンプリングパターンを考察する。
この制限を克服するために、基礎となる画像分布の複数の不変性を利用する。理論的には、完全に教師されたアプローチと同じ再構成性能を実現することができる。
我々は,光音響顕微鏡(PAM)における光学分解能画像アップサンプリングの手法を検証する。
関連論文リスト
- SFBD-OMNI: Bridge models for lossy measurement restoration with limited clean samples [22.912528721457473]
多くの実世界のシナリオでは、完全に観察されたサンプルを得ることは高価または不可能である。
本研究では,ブラックボックスジェネレータとして汚損過程が利用できることを前提として,豊富なノイズサンプルを用いた分布復元について検討する。
本研究では,この課題を片側最適輸送問題とみなすことができ,EMライクなアルゴリズムを用いて解決できることを示す。
論文 参考訳（メタデータ） (2025-12-18T20:37:56Z) - Unsupervised Imaging Inverse Problems with Diffusion Distribution Matching [35.01013208265617]
この研究は、未ペアデータセットを用いた逆問題レンズによる画像復元タスクに対処する。
提案手法は最小限の仮定の下で動作し、小さな未ペアデータセットにのみ依存する。
これは、フォワードモデルがしばしば未知あるいは不特定である実世界のシナリオに特に適している。
論文 参考訳（メタデータ） (2025-06-17T15:06:43Z) - Scale-Equivariant Imaging: Self-Supervised Learning for Image Super-Resolution and Deblurring [9.587978273085296]
自己監督法は, 様々な画像逆問題において, 教師付き法と同程度に有効であることが最近証明された。
本稿では,多くの画像分布がほぼ不変であるという事実を活かした,新たな自己教師型手法であるスケール不変イメージングを提案する。
提案手法が他の自己教師型手法より優れていることを示す実データセットに関する一連の実験を行った。
論文 参考訳（メタデータ） (2023-12-18T14:30:54Z) - Steerable Conditional Diffusion for Out-of-Distribution Adaptation in Medical Image Reconstruction [75.91471250967703]
我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。
このフレームワークは、利用可能な測定によって提供される情報のみに基づいて、画像再構成と並行して拡散モデルを適用する。
様々な画像モダリティにまたがるアウト・オブ・ディストリビューション性能の大幅な向上を実現した。
論文 参考訳（メタデータ） (2023-08-28T08:47:06Z) - Crafting Training Degradation Distribution for the
Accuracy-Generalization Trade-off in Real-World Super-Resolution [53.0437282872811]
そこで本研究では,少数の参照画像を用いたクラフトトレーニング劣化分布の新しい手法を提案する。
提案手法は,実世界のアプリケーションにおける一般化能力を保ちながら,テスト画像の性能を著しく向上することを示す。
論文 参考訳（メタデータ） (2023-05-29T14:22:48Z) - Exploiting Diffusion Prior for Real-World Image Super-Resolution [75.5898357277047]
本稿では,事前学習したテキスト・画像拡散モデルにカプセル化された事前知識を視覚的超解像に活用するための新しいアプローチを提案する。
時間認識エンコーダを用いることで、事前学習した合成モデルを変更することなく、有望な復元結果が得られる。
論文 参考訳（メタデータ） (2023-05-11T17:55:25Z) - Single-photon Image Super-resolution via Self-supervised Learning [6.218646347012887]
SPISR(Single-Photon Image Super-Resolution)は、高分解能の光子計数キューブを、高分解能の低分解能キューブから計算画像アルゴリズムによって回収することを目的としている。
EI(Equivariant Imaging)を単一光子データに拡張することにより、SPISRタスクのための自己教師付き学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-03T15:52:01Z) - Deblurring via Stochastic Refinement [85.42730934561101]
条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。
提案手法は,PSNRなどの歪み指標の点で競合する。
論文 参考訳（メタデータ） (2021-12-05T04:36:09Z) - Toward Real-World Super-Resolution via Adaptive Downsampling Models [58.38683820192415]
本研究では,制約のある事前知識を伴わずに未知のサンプル処理をシミュレートする手法を提案する。
対の例を使わずに対象LR画像の分布を模倣する汎用化可能な低周波損失(LFL)を提案する。
論文 参考訳（メタデータ） (2021-09-08T06:00:32Z) - Uncertainty-aware Generalized Adaptive CycleGAN [44.34422859532988]
unpaired image-to-image translationは、教師なしの方法で画像ドメイン間のマッピングを学ぶことを指す。
既存の手法はしばしば、外れ値への堅牢性や予測不確実性を明示的にモデル化せずに決定論的マッピングを学習する。
Uncertainty-aware Generalized Adaptive Cycle Consistency (UGAC) という新しい確率論的手法を提案する。
論文 参考訳（メタデータ） (2021-02-23T15:22:35Z) - Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。
監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。
ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文 参考訳（メタデータ） (2020-12-18T08:25:39Z) - SIR: Self-supervised Image Rectification via Seeing the Same Scene from
Multiple Different Lenses [82.56853587380168]
本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。
我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。
本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
論文 参考訳（メタデータ） (2020-11-30T08:23:25Z)
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。