抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
画像復元における多くの興味深いタスクは線形逆問題としてキャストできる。これらの問題を解決するためのアプローチの最近のファミリーは,測定を与える自然画像の事後分布からサンプリングする確率アルゴリズムを使用する。しかし,効率的な解は,しばしば,事後のモデルに対する問題固有の教師つき訓練を必要とし,一方,問題特異性のない教師なし方法は,通常,非効率的な反復方法に依存する。本研究は,効率的,教師なし事後サンプリング法,雑音除去拡散復元モデル(DDRM)を導入することによって,これらの問題を扱う。変分推論により動機づけられて,DDRMは,任意の線形逆問題を解くための事前訓練雑音除去拡散生成モデルを利用する。様々な量の測定ノイズの下で,超解像度,ぼけ,修復,およびカラー化のためのいくつかの画像データセットに関するDDRMの汎用性を実証した。DDRMは,再構成品質,知覚品質,および実行時間における多様なImageNetデータセットに関する現在の主導教師なし方式よりも優れており,最も近い競争者よりも5x高速である。また,DDRMは,観察された画像Net訓練集合の分布から自然画像に対してよく一般化する。【JST・京大機械翻訳】