論文の概要: A geometry-based deep equilibrium model for image restoration under multiplicative Gamma noise

• arxiv url: http://arxiv.org/abs/2608.04944v1
• Date: Wed, 05 Aug 2026 15:10:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.968892
• Title: A geometry-based deep equilibrium model for image restoration under multiplicative Gamma noise
• Title（参考訳）: 乗法ガンマ雑音下における画像復元のための幾何学的深部平衡モデル
• Authors: Shengkun Yang, Luca Ratti, Zhichang Guo,
• Abstract要約: 乗算ガンマノイズとぼかしの両方によって劣化した画像からの画像復元のためのディープラーニングフレームワークを提案する。 暗黙的なニューラル正規化に依存する従来のDeQモデルとは異なり、提案手法は幾何的先行によってパラメータ化された明示的で解釈可能な正規化器を学習する。
• 参考スコア（独自算出の注目度）: 1.7407198117246017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a deep learning framework for image restoration from images degraded by both multiplicative Gamma noise and blur. Unlike conventional deep equilibrium (DEQ) models that rely on implicit neural regularization, the proposed method learns an explicit and interpretable regularizer parameterized by geometric priors associated with surface area and mean curvature. To minimize the resulting variational model, we develop a mirror descent algorithm tailored to the commonly used Gamma-noise fidelity terms. Leveraging the Kurdyka-Lojasiewicz property for functions defined in $o$-minimal structures, we establish the global convergence of the generated iterates to a critical point. Experimental results on both grayscale and color image restoration demonstrate that the proposed method consistently outperforms representative model-based approaches while achieving performance comparable to state-of-the-art DEQ models based on implicit regularization, despite requiring substantially fewer trainable parameters.
• Abstract（参考訳）: 乗算ガンマノイズとぼかしの両方によって劣化した画像からの画像復元のためのディープラーニングフレームワークを提案する。 暗黙的なニューラル正規化に依存する従来のDeQモデルとは異なり、提案手法は表面積と平均曲率に関連付けられた幾何的事前パラメータによってパラメータ化された明示的で解釈可能な正規化器を学習する。 結果の変動モデルを最小限に抑えるために,よく用いられるガンマノイズの忠実度項に合わせたミラー降下アルゴリズムを開発した。 o$-ミニマル構造で定義される函数に対するクルディカ・ロジャシエヴィチ性質を利用することで、生成したイテレートの大域収束を臨界点に確立する。 グレースケールとカラー画像の復元実験の結果、提案手法はトレーニング可能なパラメータを著しく少なくしながら、暗黙の正規化に基づく最先端のDECモデルに匹敵する性能を保ちながら、代表モデルに基づくアプローチを一貫して上回ることを示した。

関連論文リスト

• A Mixture Autoregressive Image Generative Model on Quadtree Regions for Gaussian Noise Removal via Variational Bayes and Gradient Methods [5.919883768888408]
  本稿では,グレースケール画像における画像認識の問題に対処する。 本稿では,MAP (maximum a reari) 推定に基づくデノゲーションを変動下界に還元するフレームワークを提案する。 本研究では,勾配に基づく更新規則を数値や近似なしで解析的に計算できることを実証する。
  論文  参考訳（メタデータ） (2026-05-12T06:08:46Z)
• PixelBoost: Leveraging Brownian Motion for Realistic-Image Super-Resolution [8.041659727964305]
  拡散モデルに基づく画像超解像技術は、しばしば現実的な画像生成と計算効率のトレードオフに直面している。 我々は,ブラウン運動の性質を受け入れることの重要性を浮き彫りにする新しい拡散モデル PixelBoost を紹介する。 提案モデルでは,学習された知覚的イメージパッチ類似度 (LPIPS), 順序誤差 (LOE), ピーク信号-雑音比 (PSNR), 構造的類似度指標 (SSIM) および視覚的品質の観点から,より優れた客観的結果を示す。
  論文  参考訳（メタデータ） (2025-06-29T14:22:38Z)
• Space-Variant Total Variation boosted by learning techniques in few-view tomographic imaging [0.0]
  本稿では,未決定の線形逆問題に対する空間変動正規化モデルの開発に焦点をあてる。 提案モデルの主な目的は,ディノベーションと細部・縁の保存のバランスを良くすることである。 畳み込みニューラルネットワークは、トレーニングにおいて弾性損失関数を用いて、基底真理像とその勾配を近似するように設計されている。
  論文  参考訳（メタデータ） (2024-04-25T08:58:41Z)
• Low-resolution Prior Equilibrium Network for CT Reconstruction [3.5639148953570836]
  本稿では,低分解能画像を導入し,ネットワークの堅牢性を改善するための効果的な正規化項を得る,新しいディープラーニングベースのCT再構成モデルを提案する。 狭角化と狭角化の両問題を実験的に検討し, ノイズ低減, コントラスト・ツー・ノイズ比, エッジ細部保存の両面において, エンド・ツー・エンドの低分解能事前平衡モデルが他の最先端手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-01-28T13:59:58Z)
• Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
  Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。 近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。 本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T18:43:21Z)
• 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)
• 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)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

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。