論文の概要: A Gradient-Regularized Deep Learning Method for Restoring Image in Myopic Vision

• arxiv url: http://arxiv.org/abs/2610.19218v1
• Date: Tue, 13 Oct 2026 21:34:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.815519
• Title: A Gradient-Regularized Deep Learning Method for Restoring Image in Myopic Vision
• Title（参考訳）: 明視における画像復元のための勾配規則化深層学習法
• Abstract要約: ミオピック・ビジョンは、球状眼精巣異常による人間の視覚の質を低下させる。 本研究は,近距離の近視者に対して,より明快なシーンを知覚する深層学習に基づく画像設計手法を提案する。
• 参考スコア（独自算出の注目度）: 10.837931985029321
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Myopic vision degrades the quality of human vision due to spherical eye defocus aberrations that impair the perception of fine spatial details. To address this limitation, this work proposes a deep learning-based approach to computationally design transformed images that allow individuals with myopia in fixed distance to perceive scenes with enhanced clarity. The method trains a neural network to counteract defocus aberrations modeled using the second-order Zernike polynomial $Z_2^0$. The approach employs a U-Net architecture trained with a loss function combining reconstruction error minimization with spatial difference structural preservation through $\ell_1$ regularization. Training is carried out exclusively on the KITTI dataset, while testing is performed on DIV2K and ImageNet datasets, demonstrating generalization across diverse image distributions. Under myopic conditions modeled by $Z_2^0$, baseline performance shows visual degradation with PSNR values ranging from 19.47 to 27.42 dB across datasets and severity levels. The proposed gradient-regularized method achieves consistent improvements, delivering PSNR gains ranging from 1.48 to 7.34 dB and significantly lower perceptual compared to classical baselines.
• Abstract（参考訳）: ミオピック・ビジョンは、細かな空間的詳細の知覚を損なう球状眼精疲労による人間の視覚の質を低下させる。 この制限に対処するため、この研究は深層学習に基づく変換画像の設計手法を提案する。 この方法は、2階のゼルニケ多項式$Z_2^0$を用いてモデル化されたデフォーカス収差に対処するようにニューラルネットワークを訓練する。 提案手法では,復元誤差最小化と空間差構造保存を併用した損失関数をトレーニングしたU-Netアーキテクチャを,$\ell_1$正規化により採用する。 トレーニングはKITTIデータセットでのみ行われ、テストはDIV2KとImageNetデータセットで行われ、さまざまな画像分布の一般化が示されている。 Z_2^0$でモデル化されたミオピック条件の下では、ベースライン性能は、データセットと重大度レベルにわたるPSNR値19.47から27.42dBの視覚的劣化を示す。 提案手法は,PSNRのゲインを1.48から7.34dBの範囲で提供し,従来のベースラインに比べてはるかに低い精度で,一貫した改善を実現する。

関連論文リスト

• DIPLI: Deep Image Prior Lucky Imaging for Blind Astronomical Image Restoration [4.378167136812483]
  この研究は、バックプロジェクション技術を用いて、シングルフレームからマルチフレームのトレーニングに移行するフレームワークであるDIPLIを提案する。 総合評価では、ラッキーイメージング、DIP、トランスフォーマーベースモデルRVRT、拡散ベースモデルDiffIR2VR-Zeroと比較する。
  論文  参考訳（メタデータ） (2025-03-20T09:33:16Z)
• Super-Resolution for Remote Sensing Imagery via the Coupling of a Variational Model and Deep Learning [20.697932997351813]
  リモートセンシング画像再構成のための勾配誘導マルチフレーム超解像(MFSR)フレームワーク リモートセンシング画像再構成のための新しい勾配誘導型マルチフレーム超解像(MFSR)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-13T04:19:48Z)
• JR2net: A Joint Non-Linear Representation and Recovery Network for Compressive Spectral Imaging [22.0246327137227]
  本研究は, 共同非線形表現・回復ネットワーク(JR2net)を提案する。 JR2netは、非線型な低次元表現を学習し、同時にスペクトル画像復元を行うADMM定式化に従って最適化されたネットワークで構成されている。 実験の結果,PSNRでは2.57dBまで向上し,2000倍の高速化を実現した。
  論文  参考訳（メタデータ） (2022-05-16T15:48:42Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• Deep Amended Gradient Descent for Efficient Spectral Reconstruction from Single RGB Images [42.26124628784883]
  本稿では、AGD-Netという、コンパクトで効率的でエンドツーエンドの学習ベースのフレームワークを提案する。 まず、古典的勾配降下アルゴリズムに基づいて問題を明示的に定式化する。 AGD-Netは、平均1.0dB以上のリコンストラクション品質を向上させることができる。
  論文  参考訳（メタデータ） (2021-08-12T05:54:09Z)
• 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)
• Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline [100.5353614588565]
  本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。 我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。 提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-04-02T17:59:04Z)
• BP-DIP: A Backprojection based Deep Image Prior [49.375539602228415]
  画像復元手法として, (i)Deep Image Prior (DIP) と (ii) バックプロジェクション (BP) の2つの手法を提案する。 提案手法はBP-DIP(BP-DIP)と呼ばれ,高いPSNR値とより優れた推論実行時間を持つ通常のDIPよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-03-11T17:09:12Z)

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。