論文の概要: LoTA-N2N: Local Trace Adaptation for Zero-Shot Self-Supervised Image Denoising
- arxiv url: http://arxiv.org/abs/2607.24135v1
- Date: Mon, 27 Jul 2026 08:16:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.360661
- Title: LoTA-N2N: Local Trace Adaptation for Zero-Shot Self-Supervised Image Denoising
- Title（参考訳）: LoTA-N2N:ゼロショット自己監督画像復調のための局所トレース適応
- Abstract要約: 単一イメージの自己監督型遮音装置は、使用不能なクリーンターゲットをノイズの観測から構築されたサロゲートターゲットに置き換える。
2段階ゼロショット適応フレームワークであるLoTA-N2Nを提案する。
局所的な構造は空間的キャンセルを防ぎ、上界は対応する大域的相互作用の大きさを示す。
- 参考スコア（独自算出の注目度）: 43.31076762214249
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Single-image self-supervised denoising replaces unavailable clean targets with surrogate targets constructed from noisy observations. Its effectiveness therefore depends on how closely the surrogate objective remains aligned with supervised denoising, especially when noise is correlated, spatially nonstationary, or unknown. We express the discrepancy between a broad class of MSE-based self-supervised objectives and supervised MSE as a parameter-independent constant and a trace interaction between the surrogate-target residual and the prediction error. The corresponding gradient discrepancy is determined by the gradient of this interaction. This formulation provides a common view of paired-noise, blind-spot, weak-noise, re-corruption, and sub-image methods, while revealing that a small global interaction may conceal substantial positive and negative regional interactions through spatial cancellation. Building on these observations, we propose LoTA-N2N, a two-stage zero-shot adaptation framework. Stage 1 trains a denoiser on complementary sub-image pairs and freezes it to construct detached clean-sub-image proxies. Stage 2 estimates the residual--prediction interaction using these proxies and suppresses its patch-wise absolute magnitude. We show that the local construction prevents spatial cancellation and upper-bounds the magnitude of the corresponding global interaction. Experiments across natural, confocal, and X-ray images, complemented by iteration-matched controls, controlled noise shifts, and gradient diagnostics, show consistent gains over MSE-only adaptation under IID, spatially varying, and mixed noise. Overall, LoTA-N2N demonstrates that estimated local interaction and spatial cancellation control provide effective design principles for single-image self-supervised denoising without paired clean targets, repeated acquisitions, or a predefined re-corruption model.
- Abstract（参考訳）: 単一イメージの自己監督型遮音装置は、使用不能なクリーンターゲットをノイズの観測から構築されたサロゲートターゲットに置き換える。
その効果は、特にノイズが相関している場合、空間的に静止していない場合、または未知の場合において、サロゲートの目的が監督的認知とどの程度密接に一致しているかに依存する。
我々は,MSEに基づく多種多様な自己監督目標と,MSEをパラメータ非依存定数とし,サロゲート・ターゲット残差と予測誤差とのトレーサビリティの相互関係を表現した。
対応する勾配差は、この相互作用の勾配によって決定される。
この定式化は、ペアノイズ、ブラインドスポット、弱いノイズ、再破壊、サブイメージの方法の共通の見解を提供すると同時に、小さな大域的な相互作用が空間的キャンセルを通じて実質的な正と負の地域的相互作用を隠蔽することを明らかにする。
これらの観測に基づいて、2段階のゼロショット適応フレームワークであるLoTA-N2Nを提案する。
ステージ1は相補的なサブイメージペアでデノイザーを訓練し、分離されたクリーンサブイメージプロキシを構築するために凍結する。
ステージ2はこれらのプロキシを用いて残差予測相互作用を推定し、パッチ単位の絶対等級を抑える。
局所的な構造は空間的キャンセルを防ぎ、上界は対応する大域的相互作用の大きさを示す。
自然、共焦点、X線画像にわたる実験は、反復整合制御、制御ノイズシフト、勾配診断によって補完され、IID下でのMSEのみの適応、空間的変化、混合ノイズよりも一貫した利得を示す。
全体として、LoTA-N2Nは、推定された局所的相互作用と空間的キャンセル制御が、ペア化されたクリーンターゲット、繰り返し取得、あるいは事前定義された再破壊モデルなしで、単一イメージの自己監督型認知のための効果的な設計原則を提供することを示した。
関連論文リスト
- Neighbor2Inverse: Self-Supervised Denoising for Low-Dose Region-of-Interest Phase Contrast CT [3.292132675169194]
改良された畳み込みニューラルネットベースのデノゲーションは、画質を回復するが、ペア化された低量データセットと高用量データセットに依存する。
臨床CTに一般化した低用量PBI-CTのための自己教師型 denoising framework である Neighbor2Inverse を紹介する。
論文 参考訳（メタデータ） (2026-05-01T20:17:33Z) - Adjoint Inversion Reveals Holographic Superposition and Destructive Interference in CNN Classifiers [0.33842793760651557]
等相デカップリングと局所共役補正を基盤とした幻覚のない逆転フレームワークを提案する。
提案手法は,各再構成の空間勾配が真に活発なチャネルから厳密に支えられていることを数学的に保証する。
この枠組みを幾何学的プローブとして用いて、視覚エンコーダにおける強重畳みの最初のピクセルレベルの証拠を明らかにする。
論文 参考訳（メタデータ） (2026-04-30T07:32:07Z) - Teacher-Guided Causal Interventions for Image Denoising: Orthogonal Content-Noise Disentanglement in Vision Transformers [8.989774165042542]
従来の画像復調モデルは, 環境要因とノイズパターンの急激な相関関係を不注意に学習する。
本稿ではTCD-Net(Teacher-Guided Causal Disentanglement Network)を提案する。
大規模な実験により、TCD-Netは、複数のベンチマークにおいて、忠実さと効率の両方で、メインストリームのメソッドよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-03-01T15:04:37Z) - Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。
自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。
構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
論文 参考訳（メタデータ） (2025-11-10T15:48:50Z) - Enhancing CLIP Robustness via Cross-Modality Alignment [54.01929554563447]
視覚言語モデルのための最適なトランスポートベースフレームワークであるクロスモダリティアライメントを提案する。
COLAは、グローバルな画像テキストアライメントと特徴空間における局所的な構造的一貫性を復元する。
COLAはトレーニングフリーで、既存の微調整モデルと互換性がある。
論文 参考訳（メタデータ） (2025-10-28T03:47:44Z) - RoSe: Robust Self-supervised Stereo Matching under Adverse Weather Conditions [58.37558408672509]
本稿では,ロバストな自己監督型環境対応学習と悪天候蒸留という2つの重要なステップからなる,堅牢な自己監督型訓練パラダイムを提案する。
提案手法の有効性と汎用性を実証し,既存の最先端の自己管理手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-09-23T15:41:40Z) - Active Adversarial Noise Suppression for Image Forgery Localization [56.98050814363447]
本稿では、敵騒音の攻撃効果を抑制するために、防御的摂動を発生させる敵騒音抑制モジュール(ANSM)を提案する。
我々の知る限りでは、画像フォージェリローカライゼーションタスクにおける敵対的防御の報告としてはこれが初めてである。
論文 参考訳（メタデータ） (2025-06-15T14:53:27Z) - Robust Duality Learning for Unsupervised Visible-Infrared Person Re-Identification [24.24793934981947]
擬似ラベルノイズ(PLN)を考慮した新しい学習パラダイムを提案する。
PLNはノイズオーバーフィット、エラー蓄積、ノイズの多いクラスタ対応の3つの主要な課題によって特徴づけられる。
UVI-ReIDのためのロバスト・デュナリティ学習フレームワーク(RoDE)を提案する。
論文 参考訳（メタデータ） (2025-05-05T10:36:52Z) - Stable Neighbor Denoising for Source-free Domain Adaptive Segmentation [91.83820250747935]
擬似ラベルノイズは主に不安定なサンプルに含まれており、ほとんどのピクセルの予測は自己学習中に大きく変化する。
我々は, 安定・不安定な試料を効果的に発見する, SND(Stable Neighbor Denoising)アプローチを導入する。
SNDは、様々なSFUDAセマンティックセグメンテーション設定における最先端メソッドよりも一貫して優れている。
論文 参考訳（メタデータ） (2024-06-10T21:44:52Z) - Heteroscedastic Uncertainty Estimation Framework for Unsupervised Registration [32.081258147692395]
本稿では,異種画像の不確実性推定のためのフレームワークを提案する。
教師なし登録時の不確実性の高い領域の影響を適応的に低減することができる。
提案手法は, ベースラインを常に上回り, 有意な不確実性推定を導出する。
論文 参考訳（メタデータ） (2023-12-01T01:03:06Z)
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。