論文の概要: Deep Image Prior with L0 Gradient Regularizer for Image Smoothing

• arxiv url: http://arxiv.org/abs/2601.13400v1
• Date: Mon, 19 Jan 2026 21:10:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.064161
• Title: Deep Image Prior with L0 Gradient Regularizer for Image Smoothing
• Title（参考訳）: 画像平滑化のためのL0勾配正規化器を用いた深部画像前処理
• Authors: Nhat Thanh Tran, Kevin Bui, Jack Xin,
• Abstract要約: 画像平滑化は、強いエッジや輪郭などの基盤構造を保存し、画像の細部やテクスチャを除去する基本的な画像処理操作である。 多くの画像平滑化アルゴリズムは、ローカルウィンドウ統計の計算や最適化問題の解法に依存している。 最近の最先端の手法は、深い勾配トレーニングを利用するが、慎重に訓練する必要がある。 このフレームワークは、データなしで高品質な画像平滑化を行うことができる。
• 参考スコア（独自算出の注目度）: 2.0901018134712297
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image smoothing is a fundamental image processing operation that preserves the underlying structure, such as strong edges and contours, and removes minor details and textures in an image. Many image smoothing algorithms rely on computing local window statistics or solving an optimization problem. Recent state-of-the-art methods leverage deep learning, but they require a carefully curated training dataset. Because constructing a proper training dataset for image smoothing is challenging, we propose DIP-$\ell_0$, a deep image prior framework that incorporates the $\ell_0$ gradient regularizer. This framework can perform high-quality image smoothing without any training data. To properly minimize the associated loss function that has the nonconvex, nonsmooth $\ell_0$ ``norm", we develop an alternating direction method of multipliers algorithm that utilizes an off-the-shelf $\ell_0$ gradient minimization solver. Numerical experiments demonstrate that the proposed DIP-$\ell_0$ outperforms many image smoothing algorithms in edge-preserving image smoothing and JPEG artifact removal.
• Abstract（参考訳）: 画像平滑化は、強いエッジや輪郭などの基盤構造を保存し、画像の細部やテクスチャを除去する基本的な画像処理操作である。 多くの画像平滑化アルゴリズムは、ローカルウィンドウ統計の計算や最適化問題の解法に依存している。 最近の最先端の手法はディープラーニングを活用するが、慎重に訓練されたトレーニングデータセットが必要である。 画像平滑化のための適切なトレーニングデータセットを構築することは難しいため、$\ell_0$勾配正規化器を組み込んだディープイメージ事前フレームワークであるDIP-$\ell_0$を提案する。 このフレームワークは、トレーニングデータなしで高品質な画像平滑化を行うことができる。 非凸である非滑らかな $\ell_0$ ``norm を持つ関連する損失関数を適切に最小化するために、オフザシェルの $\ell_0$ 勾配最小化法を利用する乗算器アルゴリズムの交互方向法を開発する。 数値実験により、提案したDIP-$\ell_0$は、エッジ保存画像平滑化やJPEGアーティファクト除去において、多くの画像平滑化アルゴリズムより優れていることが示された。

関連論文リスト

• Locally Orderless Images for Optimization in Differentiable Rendering [80.09571356394574]
  そこで我々は,各画素が局所的な変化を保った強度のヒストグラムにマッピングする,局所的な秩序のない画像を利用する手法を提案する。 合成データと実データの両方を用いて,様々な逆問題に対する本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2025-03-27T19:17:58Z)
• An Improved Optimal Proximal Gradient Algorithm for Non-Blind Image Deblurring [15.645711819668582]
  改良された最適近位勾配アルゴリズム(IOptISTA)を導入し,非盲点画像の劣化問題に効率的に対処する。 その結果,既存の手法と比較して,PSNRとSSIMの値が向上し,耐性が低下することが示唆された。
  論文  参考訳（メタデータ） (2025-02-11T14:52:11Z)
• Learning of Patch-Based Smooth-Plus-Sparse Models for Image Reconstruction [14.93489065234423]
  最適化を二段階問題として定式化する。 我々は,デノナイズ,超高分解能,圧縮型磁気共鳴イメージングの手法について検討した。
  論文  参考訳（メタデータ） (2024-12-17T16:34:32Z)
• Euler's Elastica Based Cartoon-Smooth-Texture Image Decomposition [4.829677240798159]
  グレースケール画像を3つの異なる成分に分解する新しいモデルを提案する。 構造部は強い境界と強い光-暗黒遷移のある領域、滑らかな部分、柔らかい影と影、振動、テクスチャとノイズを表す。
  論文  参考訳（メタデータ） (2024-07-03T03:42:33Z)
• Image-GS: Content-Adaptive Image Representation via 2D Gaussians [52.598772767324036]
  本稿では,2次元ガウス放射率に基づくコンテンツ適応型画像表現であるImage-GSを紹介する。 リアルタイム使用のためにハードウェアフレンドリーな高速アクセスをサポートし、ピクセルをデコードするためには0.3KのMACしか必要としない。 テクスチャ圧縮、セマンティクス対応圧縮、共同画像圧縮と復元など、いくつかのアプリケーションでその汎用性を実証する。
  論文  参考訳（メタデータ） (2024-07-02T00:45:21Z)
• Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
  我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。 新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。 増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
  論文  参考訳（メタデータ） (2023-08-10T12:53:30Z)
• Spatial-Separated Curve Rendering Network for Efficient and High-Resolution Image Harmonization [59.19214040221055]
  本稿では,空間分離型曲線描画ネットワーク(S$2$CRNet)を提案する。 提案手法は従来の手法と比較して90%以上のパラメータを減少させる。 提案手法は,既存の手法よりも10ドル以上高速な高解像度画像をリアルタイムにスムーズに処理することができる。
  論文  参考訳（メタデータ） (2021-09-13T07:20:16Z)
• A deep primal-dual proximal network for image restoration [8.797434238081372]
  我々は、プリミティブ・デュアル・イテレーションから構築されたディープPDNetというディープネットワークを設計し、前もって分析を行い、標準的なペナル化可能性の最小化を図った。 フルラーニング」と「パートラーニング」の2つの異なる学習戦略が提案され、第1は最も効率的な数値である。 以上の結果から,提案したDeepPDNetは,MNISTと,より複雑なBSD68,BSD100,SET14データセットにおいて,画像復元と単一画像超解像処理に優れた性能を示した。
  論文  参考訳（メタデータ） (2020-07-02T08:29:52Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

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。