論文の概要: RaFL: An Empirical Study of Random Filter Losses for Image Reconstruction
- arxiv url: http://arxiv.org/abs/2611.17707v1
- Date: Fri, 13 Nov 2026 03:35:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.298197
- Title: RaFL: An Empirical Study of Random Filter Losses for Image Reconstruction
- Title(参考訳): RaFL:画像再構成のためのランダムフィルタ損失の実証的研究
- Abstract要約: 本研究では,ランダムな重み付きフィルタを用いて,予測と目標をランダムに比較したランダムなフィルタ損失について検討する。
RaFLはランダム畳み込み、ランダムフーリエ特徴、ランダムウェーブレットフィルタを組み合わせる。
RaFLは、バックボーンの前方FLOPに2%未満の追加と推論コストを伴わず、VGG19損失よりも損失FLOPを182時間以上削減する。
- 参考スコア(独自算出の注目度): 12.16611881490904
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pixel losses train image reconstruction networks toward a point statistic of the target distribution, often averaging away fine textures under uncertainty. Perceptual losses alleviate this issue using pretrained features, but those features are inherently domain-specific. We study a random filter loss (RaFL) that compares prediction and target through filters with random weights, avoiding both pretrained features and task-specific loss engineering. RaFL combines random convolutions, random Fourier features, and random wavelet filters, automatically balancing their contributions through gradient-norm matching, eliminating manual loss-weight tuning and grid search. We systematically investigate three design choices: filter family, weight resampling schedule, and weight initialization. Based on validation PSNR and stability across random seeds, we select the configuration that uses all three filter families, redraws filters every optimization step, and employs Gaussian initialization. We evaluate RaFL on three 2D and two 3D image reconstruction tasks. RaFL outperforms a pixel loss on three tasks and matches it on two, and demonstrates stable performance across random seeds on all five tasks. RaFL adds less than 2% to the backbone's forward FLOPs and no inference cost, requiring $182\times$ fewer loss FLOPs than a VGG19 perceptual loss. These findings suggest that RaFL is a simple, tuning-free, and domain-agnostic loss objective for 2D and 3D image reconstruction.
- Abstract(参考訳): 画素損失は画像再構成ネットワークを目標分布の点統計に向けて訓練し、しばしば不確実性の下で細かいテクスチャを平均化する。
知覚的損失は、事前訓練された機能を使用してこの問題を軽減するが、これらの機能は本質的にドメイン固有である。
本研究では,予測と目標をランダムな重み付きフィルタで比較し,事前学習した特徴とタスク固有の損失工学の両方を避けるランダムフィルタ損失(RaFL)について検討する。
RaFLはランダムな畳み込み、ランダムなフーリエ特徴、ランダムなウェーブレットフィルタを組み合わせることで、勾配ノルムマッチングを通じて自動的にコントリビューションのバランスを取り、手動の損失重み付けとグリッドサーチを除去する。
フィルタファミリ,重み再サンプリングスケジュール,重み初期化の3つの設計選択を体系的に検討した。
検証PSNRとランダムシード間の安定性に基づいて、3つのフィルタファミリすべてを使用し、最適化ステップ毎にフィルタを再描画し、ガウス初期化を用いる構成を選択する。
3つの2次元および2つの3次元画像再構成タスクにおけるRaFLの評価を行った。
RaFLは3つのタスクでピクセル損失を上回り、2つのタスクで一致し、5つのタスクでランダムなシード間で安定したパフォーマンスを示す。
RaFLは、バックボーンの前方FLOPに2%未満の追加と推論コストを伴わず、VGG19の知覚的損失よりも182\times$の損失FLOPを少なくする。
以上の結果から,RaFLは2次元および3次元画像再構成のためのシンプルでチューニング不要でドメインに依存しない損失目標であることが示唆された。
関連論文リスト
- RayTun3R: Online Camera Adaptation in 3D Foundation Models [53.97305597591864]
最近の3Dファウンデーションモデルは、強力なフィードフォワード深度を提供し、ピンホールのイメージを推定するが、魚眼カメラ幾何学の下では鋭く劣化する。
この失敗は、事前訓練された3次元基礎モデルの位置符号化におけるピンホールカメラバイアスによってもたらされることを示す。
軽量カメラ適応手法であるRayTun3Rを提案する。
論文 参考訳(メタデータ) (2026-07-02T18:55:35Z) - KC-3DGS: Kurtosis-Constrained Gaussian Splatting for High-Fidelity View Synthesis [28.10448224660243]
3D Gaussian Splatting(3DGS)は、シーンを差別化によって最適化された異方性ガウスのコレクションとして表現することで、リアルタイムなノベルビュー合成を可能にする。
標準画素空間損失(L1, SSIM)は、再構成エラーのみを集約し、周波数スケールでエラーを再分配する最適化を可能にする。
我々は,自然画像統計に基づくウェーブレットドメインによる3DGSトレーニングを強化するKC-3DGSを提案する。
論文 参考訳(メタデータ) (2026-06-02T04:04:24Z) - iGaussian: Real-Time Camera Pose Estimation via Feed-Forward 3D Gaussian Splatting Inversion [62.09575122593993]
iGaussianは2段階のフィードフォワードフレームワークで、直接3Dガウス変換によるリアルタイムカメラポーズ推定を実現する。
NeRF Synthetic, Mip-NeRF 360, T&T+DB データセットの実験結果から, 従来の手法に比べて大幅な性能向上が得られた。
論文 参考訳(メタデータ) (2025-11-18T05:22:22Z) - NeRF-Det++: Incorporating Semantic Cues and Perspective-aware Depth
Supervision for Indoor Multi-View 3D Detection [72.0098999512727]
NeRF-Detは、NeRFを用いた屋内マルチビュー3次元検出において、表現学習の強化による優れた性能を実現している。
セマンティックエンハンスメント(セマンティックエンハンスメント)、パースペクティブ・アウェア・サンプリング(パースペクティブ・アウェア・サンプリング)、および順序深度監視を含む3つのソリューションを提案する。
結果として得られたアルゴリズムであるNeRF-Det++は、ScanNetV2とAR KITScenesデータセットで魅力的なパフォーマンスを示している。
論文 参考訳(メタデータ) (2024-02-22T11:48:06Z) - Mip-Splatting: Alias-free 3D Gaussian Splatting [52.366815964832426]
3D Gaussian Splattingは素晴らしいビュー合成結果を示し、高い忠実度と効率を実現した。
ストロングアーティファクトは、サンプリングレート、例えば焦点距離やカメラ距離を変えることで観測することができる。
この現象の原因は,3次元周波数制約の欠如と2次元拡張フィルタの利用によると考えられる。
論文 参考訳(メタデータ) (2023-11-27T13:03:09Z) - Guided Frequency Loss for Image Restoration [0.9821874476902969]
本稿では、画像の周波数内容と空間的コンテンツとをバランスよく学習するのに役立つガイド周波数損失(GFL)を提案する。
学習効率を高めるために並列に動作する3つの主要なコンポーネントを集約する。
その結果、ほとんどの実験でGFL損失はPSNR測定値を改善した。
論文 参考訳(メタデータ) (2023-09-27T10:37:51Z) - Class Anchor Margin Loss for Content-Based Image Retrieval [97.81742911657497]
距離学習パラダイムに該当する新しいレペラ・トラクタ損失を提案するが、ペアを生成する必要がなく、直接L2メトリックに最適化する。
CBIRタスクにおいて,畳み込みアーキテクチャと変圧器アーキテクチャの両方を用いて,少数ショットおよびフルセットトレーニングの文脈で提案した目的を評価する。
論文 参考訳(メタデータ) (2023-06-01T12:53:10Z) - Revisiting L1 Loss in Super-Resolution: A Probabilistic View and Beyond [28.90772192259691]
不正な問題としての超分解能は、低分解能入力に対する多くの高分解能候補を持つ。
提案する目的関数は,すべての可算解に対する再構成誤差の期待値の最小化を目的とする。
論文 参考訳(メタデータ) (2022-01-25T04:04:44Z) - Dense U-net for super-resolution with shuffle pooling layer [4.397981844057195]
最近の研究は、単一画像超解像(SISR)において大きな進歩を遂げている。
この方法では、高分解能入力画像は、特徴抽出の前に単一のフィルタ、通常最大プーリングを用いて、低分解能空間にダウンスケールされる。
これは準最適であり、情報損失を引き起こすことを実証する。
本研究では,シャッフルプールを用いたDense U-netという最先端の畳み込みニューラルネットワーク手法を提案する。
論文 参考訳(メタデータ) (2020-11-11T00:59:43Z) - GarNet++: Improving Fast and Accurate Static3D Cloth Draping by
Curvature Loss [89.96698250086064]
仮想3次元体上にテンプレート布を視覚的に可視的に描画する2ストリームディープネットワークモデルを提案する。
我々のネットワークは、計算時間を桁違いに減らしながら、物理ベースシミュレーション(PBS)法を模倣することを学ぶ。
身体形状とポーズの異なる4種類の衣服の枠組みを検証した。
論文 参考訳(メタデータ) (2020-07-20T13:40:15Z)
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。