論文の概要: Compressive sensing inspired self-supervised single-pixel imaging

• arxiv url: http://arxiv.org/abs/2603.29732v1
• Date: Tue, 31 Mar 2026 13:31:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.681115
• Title: Compressive sensing inspired self-supervised single-pixel imaging
• Title（参考訳）: 圧縮感誘発自己教師型単画素イメージング
• Authors: Jijun Lu, Yifan Chen, Libang Chen, Yiqiang Zhou, Ye Zheng, Mingliang Chen, Zhe Sun, Xuelong Li,
• Abstract要約: SISTA-Netは、単画素イメージングのための圧縮センシングインスパイアされた自己教師方式である。 我々は、適応スパース変換と学習可能なソフトスレッショルド演算子を組み合わせることで、潜伏領域に明示的な物理的間隔を課すために、ディープ非線形ネットワークを利用する。 複数のシミュレーションシナリオの実験では、SISTA-NetはPSNRの2.6dBで最先端の手法より優れていた。
• 参考スコア（独自算出の注目度）: 48.79613794195208
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-pixel imaging (SPI) is a promising imaging modality with distinctive advantages in strongly perturbed environments. Existing SPI methods lack physical sparsity constraints and overlook the integration of local and global features, leading to severe noise vulnerability, structural distortions and blurred details. To address these limitations, we propose SISTA-Net, a compressive sensing-inspired self-supervised method for single-pixel imaging. SISTA-Net unfolds the Iterative Shrinkage-Thresholding Algorithm (ISTA) into an interpretable network consisting of a data fidelity module and a proximal mapping module. The fidelity module adopts a hybrid CNN-Visual State Space Model (VSSM) architecture to integrate local and global feature modeling, enhancing reconstruction integrity and fidelity. We leverage deep nonlinear networks as adaptive sparse transforms combined with a learnable soft-thresholding operator to impose explicit physical sparsity in the latent domain, enabling noise suppression and robustness to interference even at extremely low sampling rates. Extensive experiments on multiple simulation scenarios demonstrate that SISTA-Net outperforms state-of-the-art methods by 2.6 dB in PSNR. Real-world far-field underwater tests yield a 3.4 dB average PSNR improvement, validating its robust anti-interference capability.
• Abstract（参考訳）: シングルピクセルイメージング(SPI)は、強い摂動環境において顕著な利点を持つ、将来性のある画像モダリティである。 既存のSPI手法は物理的な空間的制約を欠き、局所的特徴とグローバルな特徴の統合を見落とし、深刻なノイズの脆弱性、構造的歪み、ぼやけた詳細をもたらす。 これらの制約に対処するために, SISTA-Netを提案する。 SISTA-NetはIterative Shrinkage-Thresholding Algorithm (ISTA)をデータ忠実度モジュールと近位写像モジュールからなる解釈可能なネットワークに展開する。 忠実度モジュールはCNN-Visual State Space Model (VSSM) アーキテクチャを採用し、局所的およびグローバルな特徴モデリングを統合し、再構築の整合性と忠実性を高める。 我々は,学習可能なソフトスレッショルド演算子と組み合わされた適応スパース変換として深層非線形ネットワークを活用し,潜伏領域に明示的な物理的間隔を課し,極低サンプリングレートでもノイズ抑制とロバスト性による干渉を可能にする。 複数のシミュレーションシナリオに関する大規模な実験により、SISTA-NetはPSNRの2.6dBで最先端の手法より優れていることが示された。 実世界の遠距離水中試験は平均3.4dBのPSNRの改善をもたらし、その堅牢な対干渉能力を検証する。

関連論文リスト

• Efficient Image Super-Resolution with Multi-Scale Spatial Adaptive Attention Networks [3.4782736103257323]
  本稿では,マルチスケール空間適応注意ネットワーク(MSAAN)と呼ばれる,軽量画像超解像(SR)ネットワークを提案する。 提案手法のコアとなるのは,局所的な細部と長期のコンテキスト依存性を協調的にモデル化する,マルチスケール空間適応型注意モジュール(MSAA)である。
  論文  参考訳（メタデータ） (2026-02-22T07:47:39Z)
• Unfolding Framework with Complex-Valued Deformable Attention for High-Quality Computer-Generated Hologram Generation [15.017958264826511]
  コンピュータ生成ホログラフィー(CGH)はディープラーニングに基づくアルゴリズムで広く注目を集めている。 本稿では,勾配降下を2つのモジュールに分解するDeep Unfolding Network (DUN)を提案する。
  論文  参考訳（メタデータ） (2025-08-29T14:21:22Z)
• Graph-Based Uncertainty Modeling and Multimodal Fusion for Salient Object Detection [12.743278093269325]
  動的不確実性伝播とマルチモーダル協調推論ネットワーク(DUP-MCRNet)を提案する。 DUGCは空間意味距離に基づいて構築されたスパースグラフを通じて層間の不確実性を伝播するように設計されている。 MCFは学習可能なモダリティゲーティングウェイトを使用して、RGB、深さ、エッジの特徴の注意マップを重み付けする。
  論文  参考訳（メタデータ） (2025-08-28T04:31:48Z)
• Deep Equilibrium Convolutional Sparse Coding for Hyperspectral Image Denoising [16.405355853358202]
  ハイパースペクトル画像(HSI)はリモートセンシングにおいて重要な役割を果たすが、複雑なノイズパターンによって劣化することが多い。 分解されたHSIの物理的特性の確保は、強靭なHSIの分解に不可欠であり、深層展開法が台頭する。 本研究では,局所的空間スペクトル相関,非局所的空間自己相似性,大域的空間一貫性を統一するDeep Equilibrium Convolutional Sparse Coding(DECSC)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-21T13:35:11Z)
• Robust and Generalizable Heart Rate Estimation via Deep Learning for Remote Photoplethysmography in Complex Scenarios [7.2297623319815845]
  非リモート光合成技術は、顔ビデオからの心拍測定を可能にする。 既存のネットワークモデルは、アクアリアシー、堅牢性、一般化能力の課題に直面している。 本稿では,3次元畳み込みニューラルネットワークを用いたエンドツーエンドのr抽出ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-07-10T14:23:11Z)
• SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
  近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。 既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。 逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2025-03-16T12:32:11Z)
• Divide-and-Conquer: Confluent Triple-Flow Network for RGB-T Salient Object Detection [70.84835546732738]
  RGB-Thermal Salient Object Detectionは、目視と熱赤外画像のペア内の目立つ物体をピンポイントすることを目的としている。 従来のエンコーダ・デコーダアーキテクチャは、欠陥モードから生じるノイズに対する頑健さを十分に考慮していなかったかもしれない。 本稿では,Divide-and-Conquer戦略を用いた,堅牢なConfluent Triple-Flow NetworkであるConTriNetを提案する。
  論文  参考訳（メタデータ） (2024-12-02T14:44:39Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)
• Accurate and Lightweight Image Super-Resolution with Model-Guided Deep Unfolding Network [63.69237156340457]
  我々は、モデル誘導深部展開ネットワーク(MoG-DUN)と呼ばれるSISRに対する説明可能なアプローチを提示し、提唱する。 MoG-DUNは正確(エイリアスを少なくする)、計算効率(モデルパラメータを減らした)、多用途(多重劣化を処理できる)である。 RCAN, SRDNF, SRFBNを含む既存の最先端画像手法に対するMoG-DUN手法の優位性は、いくつかの一般的なデータセットと様々な劣化シナリオに関する広範な実験によって実証されている。
  論文  参考訳（メタデータ） (2020-09-14T08:23:37Z)

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。