文献

J-GLOBAL ID：201702231305388801   整理番号：17A0964209

訓練可能な非線形反応拡散:高速で効果的な画像復元のための柔軟なフレームワーク【Powered by NICT】

Trainable Nonlinear Reaction Diffusion: A Flexible Framework for Fast and Effective Image Restoration

著者 (2件)： Chen Yunjin (Institute for Computer Graphics and Vision, Graz University of Technology, Graz, Austria) ,  Pock Thomas (Institute for Computer Graphics and Vision, Graz University of Technology, Graz, Austria)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 39  号： 6  ページ： 1256-1272  発行年： 2017年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像復元は,多くの興味深い応用をもつ低レベルコンピュータビジョンにおける長年の問題である。各種画像復元問題のための非線形反応拡散モデルの概念に基づく柔軟な学習フレームワークを提案した。非線形拡散モデルにおける最近の改良を具体化することにより,時間依存パラメータ(すなわち,線形フィルタと影響関数)を用いた動的非線形反応拡散モデルを提案した。以前の非線形拡散モデルとは対照的に,フィルタと影響関数を含むすべてのパラメータを同時に損失ベースのアプローチを通じて,訓練データから学習される。は,このアプローチがTNRD Trainable非線形反応拡散と呼ぶ。TNRDアプローチは,適切な反力を導入することにより様々な画像復元タスクに適用可能である。三つの代表的な応用,Gauss画像雑音除去,単一画像超解像とJPEGデブロッキングとの能力を実証した。実験は筆者らの訓練された非線形拡散モデルはパラメータの訓練から,大いに益するところがあると最終的に試験した応用のための共通試験データセット上で報告されている最良性能をもたらすことを示した。著者らの訓練されたモデルは,拡散モデルの構造的単純性を保持し,少数拡散段階のみを,このようにして極めて効率的であった。さらに,それらはまた,GPU上での並列計算,推論手順を極端に速くに適している。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習 ,  JPEG ,  フィルタ ,  *画像復元 ,  *画像 ,  反力 ,  超解像 ,  並列演算
準シソーラス用語： 拡散モデル ,  デブロッキング ,  画像雑音除去 ,  訓練データ ,  線形フィルタ ,  非線形拡散 ,  反応拡散モデル , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 訓練 ,  非線形 ,  拡散 ,  画像復元 ,  フレームワーク