論文の概要: Fractional-Order Adaptive Motion Magnification: Phase-Reliability Weighting for Noise-Constrained Video Amplification

• arxiv url: http://arxiv.org/abs/2609.04502v1
• Date: Thu, 03 Sep 2026 21:43:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.836288
• Title: Fractional-Order Adaptive Motion Magnification: Phase-Reliability Weighting for Noise-Constrained Video Amplification
• Title（参考訳）: 位相信頼度重み付けによる雑音拘束型ビデオ増幅
• Abstract要約: 本稿では、まずオフラインで、次に因果ストリームとして開発されたパイプラインであるフラクショナルオーダー適応運動拡大法を提案する。 一定の時間的利得を分数次 Grnwald--Letnikov 微分に置き換え、高周波強調を連続的に制御する。 リアルビデオでは、各ケースにおける空間選択性の向上と背景雑音の低減が示されている。
• 参考スコア（独自算出の注目度）: 51.56484100374058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Eulerian video amplification boosts sub-pixel motion by band-pass filtering per-pixel intensity traces and applying a uniform gain. That gain ignores local structure, so sensor noise is amplified together with the signal, especially in textureless regions where the monogenic phase is unreliable. We propose FrAM (Fractional-order Adaptive Motion Magnification), a pipeline developed first offline and then as a causal stream. It replaces the constant temporal gain with a Grünwald--Letnikov derivative of fractional order, giving continuous control over high-frequency emphasis, and replaces the uniform spatial gain with a per-pixel weight derived from the local amplitude of the monogenic signal. On a controlled synthetic sequence split into textured and flat halves, FrAM matches the amplification of the Eulerian baseline while keeping flat-region temporal noise at the input level. The reduction holds across an eightfold range of input noise levels. Real videos show improved spatial selectivity and lower background noise in every case. The causal reformulation cuts the per-frame cost by two orders of magnitude, reaching 69\,fps at 640$\times$480.
• Abstract（参考訳）: ユーレリアビデオ増幅は、画素ごとの強度トレースをバンドパスフィルタし、一様ゲインを施すことで、サブピクセルの動きを高める。 この利得は局所的な構造を無視するため、センサノイズは信号と共に増幅される。 FrAM(Fractional-order Adaptive Motion Magnification)は,最初オフラインで開発され,その後因果ストリームとして開発されたパイプラインである。 一定時間ゲインを分数順のグリューンヴァルト-レトニコフ微分に置き換え、高周波強調を連続的に制御し、均一な空間ゲインを単元信号の局所振幅から得られるピクセル単位の重みに置き換える。 制御された合成配列をテクスチャと平らな半減期に分割すると,FrAMはユーレアン基底線の増幅と一致し,平面領域の時間雑音を入力レベルに保持する。 この減少は入力ノイズレベルを8倍に抑える。 リアルビデオでは、各ケースにおける空間選択性の向上と背景雑音の低減が示されている。 因果的な改革によりフレームあたりのコストは2桁削減され、640$\times$480で69\,fpsに達した。

関連論文リスト

• Noise structuring in fixed-depth Trotter simulation: stationary channels and observable-level depolarization [0.0]
  我々は,デジタル多体力学におけるハードウェアノイズの構造化手法として,固定深度トロッターシミュレーションを解析した。 局所的な断層の場合、伝播した断層が挿入層の記憶を失うと、ノイズ回路は理想的な進化へと分解する。 また,過度に単純化された機能に基づくゼロノイズ・エクストラポラチン戦略の限界も明らかにした。
  論文  参考訳（メタデータ） (2026-07-20T13:33:59Z)
• Show the Signal, Hide the Noise: Spectral Forcing for Pixel-Space Diffusion [46.51681899437508]
  本稿では,パラメータフリーで時間条件付き2D-DCTローパス演算子であるSpectral Forcingを導入する。 その遮断は拡散時間とともに単調に膨張し、データエンドポイントのアイデンティティとなる。 JiT-700M/32のImageNet-256では、Spectral Forcingは、異なるトレーニングエポック間で、FIDとInception Scoreの両方を一貫して改善している。
  論文  参考訳（メタデータ） (2026-06-13T10:29:11Z)
• DDSP-QbE++: Improving Speech Quality for Speech Anonymisation for Atypical Speech [4.129225533930966]
  音声変換のためのサブトラクティブ合成P-QbEトレーニングパイプラインの励起段階の改善を提案する。 我々は,高調波励起をゲートするために明示的な発声検出を導入し,未発声領域の周期成分を抑制し,フィルタノイズで置き換える。 提案手法は軽量で微分可能で、学習可能なパラメータを追加せずに既存のP-QbEトレーニングパイプラインにシームレスに統合される。
  論文  参考訳（メタデータ） (2026-04-10T11:58:58Z)
• NFCDS: A Plug-and-Play Noise Frequency-Controlled Diffusion Sampling Strategy for Image Restoration [20.351955950047348]
  拡散ベースのPlug-and-Play (NFC) 手法は高品質な画像を生成するが、しばしば忠実度が低下する。 逆拡散雑音の変調機構である周波数拡散型サンプリング(NFCDS)を提案する。
  論文  参考訳（メタデータ） (2026-01-29T04:10:45Z)
• EuleroDec: A Complex-Valued RVQ-VAE for Efficient and Robust Audio Coding [18.199202388702144]
  ほとんどの周波数領域のニューラルコーデックは位相情報を無視するか、2つの独立した実数値チャネルとして符号化し、空間的忠実度を制限する。 これは、収束速度と訓練安定性を犠牲にして、敵対的差別者を導入する必要がある。 本研究では,解析量子化合成パイプライン全体にわたる大域的位相結合を保存する,終端から終端までの複雑なRVQ-VAEオーディオを紹介する。
  論文  参考訳（メタデータ） (2026-01-24T16:34:07Z)
• NeuralRemaster: Phase-Preserving Diffusion for Structure-Aligned Generation [88.09231548061295]
  相保存拡散-PDは拡散過程のモデル非依存的な再構成である。 -PDは大きさをランダム化しながら入力フェーズを保存し、アーキテクチャ変更なしに構造整合生成を可能にする。 -PDは推論時間を追加せず、画像やビデオの拡散モデルと互換性がある。
  論文  参考訳（メタデータ） (2025-12-04T18:59:18Z)
• PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs [57.790910044227935]
  ビデオLLMは時間的不整合に悩まされ、フレームタイミングの小さなシフトは注意をそらすことができ、関連するフレームを抑えることができる。 本稿では, 位相アグリゲード平滑化(PAS)について述べる。これは, 頭部に小さな反対位相オフセットを適用して, 出力を集約する学習自由機構である。 解析の結果,RoPE回転ロジットは,時間核でスケールしたコンテントドット積として近似でき,このカーネルを滑らかにすることで,小さな時間シフトに対する注意のリプシッツ安定性が得られ,マルチフェーズ平均化は,Nyquist-valid サンプリング下での頭当たりスペクトルを保ちながら高周波リップルを減衰させることがわかった。
  論文  参考訳（メタデータ） (2025-11-14T05:56:47Z)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
  DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。 高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。 異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)
• Autonomous coherence protection of a two-level system in a fluctuating environment [68.8204255655161]
  我々は、もともと、相互作用しない2レベルシステム(量子ビット)のアンサンブルから静的ドップラー拡大の効果を取り除くことを意図したスキームを再検討する。 このスキームははるかに強力であり、時間と空間に依存するノイズから単一(あるいはアンサンブル)量子ビットのエネルギーレベルを保護できることを示した。
  論文  参考訳（メタデータ） (2023-02-08T01:44:30Z)

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。