論文の概要: Mapping-Based Image Diffusion

• arxiv url: http://arxiv.org/abs/2608.29164v1
• Date: Sat, 29 Aug 2026 09:28:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.864217
• Title: Mapping-Based Image Diffusion
• Title（参考訳）: マッピングに基づく画像拡散
• Abstract要約: ターゲット画像の強調とデノゲーションのためのテンソルに基づく新しい機能を導入する。 本稿では,ガンマ補正やターゲット値範囲フィルタリングなどの非線形関数が存在するアプリケーションにおいて,本フレームワークが優れていることを示す。
• 参考スコア（独自算出の注目度）: 18.40477820095994
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we introduce a novel tensor-based functional for targeted image enhancement and denoising. Via explicit regularization, our formulation incorporates application dependent and contextual information using first principles. Few works in literature treat variational models that describe both application dependent information and contextual knowledge of the denoising problem. We prove the existence of a minimizer and present results on tensor symmetry constraints, convexity, and geometric interpretation of the proposed functional. We show that our framework excels in applications where nonlinear functions are present such as in gamma correction and targeted value range filtering. We also study general denoising performance where we show comparable results to dedicated PDE-based state of the art methods.
• Abstract（参考訳）: 本研究では,対象画像の強調と復調のためのテンソルベース関数を提案する。 明示的な正規化のため、私たちの定式化は第一原理を用いてアプリケーション依存情報と文脈情報を組み込む。 応用依存情報と認知問題の文脈的知識の両方を記述する変分モデルを扱う文献は少ない。 我々は、最小化器の存在を証明し、提案した関数のテンソル対称性の制約、凸性、幾何学的解釈に関する結果を示す。 本稿では,ガンマ補正やターゲット値範囲フィルタリングなどの非線形関数が存在するアプリケーションにおいて,本フレームワークが優れていることを示す。 また,PDEをベースとした最先端手法に匹敵する性能の一般化も検討した。

関連論文リスト

• Non-Parametric Rehearsal Learning via Conditional Mean Embeddings [88.89267783967263]
  本研究では,不必要な未来(AUF)問題をテキスト化するための非パラメトリックリハーサル学習手法を提案する。 具体的には、カーネル機械を用いてAUFの目的を、動作誘起分布変化から所望性モデリングを遠ざける統一表現に再構成する。
  論文  参考訳（メタデータ） (2026-05-09T15:30:52Z)
• Causal Inference with the "Napkin Graph" [0.7901604416781477]
  我々は,Mバイアス,器楽変数,古典的バックドアおよびフロントドアモデルのパターンをカプセル化した因果構造である「ナプキングラフ」について検討する。 本研究では,2段階の頑健な1ステップと最小損失ベース推定器を含む,この機能のための新しい推定器を開発する。
  論文  参考訳（メタデータ） (2025-12-22T20:35:35Z)
• Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance [52.705112811734566]
  断片的なガイダンススキームを用いて,逆問題を解決するための新しい拡散型フレームワークが導入された。 提案手法は問題に依存しず,様々な逆問題に容易に適応できる。 このフレームワークは, (4時間), (8時間) の超分解能タスクに対して, (23%), (24%) および (24%) の無作為マスクを塗布する場合の (25%) の推論時間を短縮する。
  論文  参考訳（メタデータ） (2025-07-22T19:35:14Z)
• Learning to Harmonize Cross-vendor X-ray Images by Non-linear Image Dynamics Correction [13.836238771024254]
  領域固有の画像力学の非線形特性は、単純な線形変換では扱えないことを示す。 ドメイン固有のミスマッチ露光を低減するため,Global Deep Curve Estimationという手法を提案する。
  論文  参考訳（メタデータ） (2025-04-14T10:24:57Z)
• MAP-based Problem-Agnostic diffusion model for Inverse Problems [8.161067848524976]
  逆問題に対するMAPに基づく誘導項推定法を提案する。 このイノベーションは、データ固有の特性をよりよく捉え、パフォーマンスを向上します。
  論文  参考訳（メタデータ） (2025-01-25T08:30:15Z)
• CorrFill: Enhancing Faithfulness in Reference-based Inpainting with Correspondence Guidance in Diffusion Models [21.798183378799667]
  基準画像と対象画像との幾何的相関の認識を高めるために設計されたトレーニングフリーモジュールであるCorrFillを提案する。 実験の結果,CorrFillは複数のベースライン拡散法の性能を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2025-01-04T18:31:01Z)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)
• JPEG Artifact Correction using Denoising Diffusion Restoration Models [110.1244240726802]
  本稿では,DDRM(Denoising Diffusion Restoration Models)に基づいて,非線形逆問題の解法を提案する。 我々は、DDRMで使用される擬逆演算子を活用し、この概念を他の測度演算子に一般化する。
  論文  参考訳（メタデータ） (2022-09-23T23:47:00Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• Plug-and-Play external and internal priors for image restoration [0.0]
  画像に作用するディープデノイザに基づく画像復元のための新しいアルゴリズムを提案する。 提案手法の有効性を実地医療環境のシミュレートにより検証し,ノイズ画像の復元に有効であることを示す。
  論文  参考訳（メタデータ） (2021-02-15T12:19:28Z)
• 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。