論文の概要: Reconstruction-Aware Distribution Matching for Inverse Problems with Unpaired Data

• arxiv url: http://arxiv.org/abs/2610.06297v1
• Date: Mon, 05 Oct 2026 13:24:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-09 09:24:41.833136
• Title: Reconstruction-Aware Distribution Matching for Inverse Problems with Unpaired Data
• Title（参考訳）: 障害データを用いた逆問題に対する再構成型分布マッチング
• Abstract要約: 異常なデータから撮像システムの前方オペレータを復元することは、キャリブレーションハードウェアと、監督に必要なクリーン/劣化ペアの両方を避けることができる。 実際の劣化したイメージは、一度復元されると、クリーンなイメージのように配布されるべきです。 空間的に異なるPSF校正とブラインド超解像において、この手法は劣化側マッチング単独よりも正確な演算子を復元する。
• 参考スコア（独自算出の注目度）: 17.148484295212686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recovering the forward operator of an imaging system from unpaired data avoids both calibration hardware and the clean/degraded pairs that supervision requires-pairs that, for a real lens, are often impossible to acquire. Existing unpaired approaches that explicitly estimate the forward operator by distribution matching evaluate a candidate only through the measurements it generates, whose distribution should match that of the real ones. Components suppressed by the operator are barely present in the degraded images, and therefore barely constrain the operator under such a criterion. Yet inversion precisely tries to recover them. As a result, two operators that are nearly indistinguishable as forward models can invert very differently. We address this by adding a comparison on the clean side: real degraded images, once restored, should be distributed like clean ones. Restorations are computed by a differentiable plug-and-play algorithm parameterized by the operator being learned. On spatially varying PSF calibration and blind super-resolution, the method recovers more accurate operators than degraded-side matching alone, and closes much of the gap to restoration with the true operator.
• Abstract（参考訳）: 未ペアデータから撮像システムの前方オペレータを復元することで、キャリブレーションハードウェアと、実際のレンズでは取得が不可能なペアを監督するクリーン/劣化ペアの両方を避けることができる。 分布マッチングによってフォワード演算子を明示的に推定する既存の未ペアアプローチは、それが生成する測定によってのみ候補を評価し、その分布は実際の演算子と一致すべきである。 演算子によって抑制される成分は劣化した画像にはほとんど存在せず、したがってそのような基準の下で演算子をほとんど拘束しない。 しかし、逆転はそれらを正確に回復させようとする。 結果として、フォワードモデルとほとんど区別できない2つの作用素は、非常に異なる逆変換をすることができる。 実際の劣化したイメージは、一度復元されると、クリーンなイメージのように配布されるべきです。 復元は、学習中の演算子によってパラメータ化される微分可能なプラグアンドプレイアルゴリズムによって計算される。 空間的に変化するPSF校正とブラインド超解像において、この手法は劣化側マッチング単独よりも正確な演算子を復元し、真の演算子と復元するためのギャップの多くを閉じる。

関連論文リスト

• RePair: Turning Retrieval Failures into Counterfactual Hard Pairs [15.148342372814662]
  RePairは、偽陽性を双方向にマイニングし、LLM誘導の反ファクト編集を適用し、ローカルなハードペアの対照的な目的を持つ列車を訓練する。 Flickr30KとCOCO30Kでは、RePairは107Kの合成サンプルで制御された拡張ベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-08-30T06:47:38Z)
• Where Does Generative Difficulty Reside? An Empirical Study of Target Representations [62.54876287800644]
  ターゲット表現は、イメージジェネレータが学ぶ必要がある分布を定義するが、しばしば交換可能なインターフェースとして扱われる。 マスク付き自己回帰整流モデルにおいて,生画素,SD-VAE潜伏剤,DINOv2,MAE表現-オートエンコーダの特徴について検討した。 その結果, 圧縮, 再構成忠実度, トークン次元, 可視的セマンティッククラスタリングは生成挙動を個別に予測できないことがわかった。
  論文  参考訳（メタデータ） (2026-08-01T12:32:31Z)
• Spectral Audit of In-Context Operator Networks [11.073238833758564]
  本稿では,文脈内演算子学習のためのヤコビアンベースのスペクトル監査手法を提案する。 この結果から,予測精度と局所演算子の忠実度は学習したニューラル演算子の異なる特性であることが示唆された。
  論文  参考訳（メタデータ） (2026-06-01T16:04:21Z)
• Unsupervised Representation Learning by Balanced Self Attention Matching [2.3020018305241337]
  本稿では,BAMと呼ばれる画像特徴を埋め込む自己教師型手法を提案する。 我々は,これらの分布とグローバルな均衡とエントロピー正規化バージョンに一致する損失を最小化することにより,豊かな表現と特徴の崩壊を回避する。 半教師付きベンチマークと移動学習ベンチマークの両方において,先行手法と競合する性能を示す。
  論文  参考訳（メタデータ） (2024-08-04T12:52:44Z)
• ZeroPur: Succinct Training-Free Adversarial Purification [18.36423412489391]
  敵の浄化は、目に見えない敵の攻撃から防御できる防衛計算手法の一種である。 我々は、ZeroPurと呼ばれる、逆画像の浄化を更なる訓練なしに簡単な逆画像浄化法を提案する。
  論文  参考訳（メタデータ） (2024-06-05T10:58:15Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• Inverse Problems with Learned Forward Operators [2.162017337541015]
  本章は、2つの異なるパラダイムに従う学習前方演算子による逆問題における再構成手法についてレビューする。 射影による正規化の枠組みは、再構成を見つけるために使われる。 両方のメソッドは、フォワード演算子だけでなく、アジョイントのためにもトレーニングデータを必要とする。
  論文  参考訳（メタデータ） (2023-11-21T11:15:14Z)
• Inverse Problems Leveraging Pre-trained Contrastive Representations [88.70821497369785]
  破損したデータの表現を復元するための新しい逆問題群について検討する。 コントラスト目的を用いた教師付きインバージョン手法を提案する。 提案手法は,幅広いフォワード演算子においてラベル付きデータのごく一部であっても,エンド・ツー・エンドのベースラインよりも優れる。
  論文  参考訳（メタデータ） (2021-10-14T15:06:30Z)
• Pairwise Supervised Hashing with Bernoulli Variational Auto-Encoder and Self-Control Gradient Estimator [62.26981903551382]
  バイナリ潜在変数を持つ変分自動エンコーダ(VAE)は、文書検索の精度の観点から最先端のパフォーマンスを提供する。 本稿では、クラス内類似度とクラス間類似度に報いるために、個別潜伏型VAEを用いたペアワイズ損失関数を提案する。 この新しいセマンティックハッシュフレームワークは、最先端技術よりも優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-05-21T06:11:33Z)
• When Relation Networks meet GANs: Relation GANs with Triplet Loss [110.7572918636599]
  GAN(Generative Adversarial Network)の学習安定性はいまだに悩みの種である 本稿では,判別器のための関係ネットワークアーキテクチャについて検討し,より優れた一般化と安定性を実現する三重項損失を設計する。 ベンチマークデータセットの実験により、提案された関係判別器と新たな損失は、可変視覚タスクに大幅な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-02-24T11:35:28Z)

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。