| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-08-25 14:33 Structured Deep Image Prior with Interscale Thresholding ○Jikai Li・Shogo Muramatsu（Niigata Univ.）  SIP2022-55 |
|
| 抄録 | （和） | 本研究では, 深層画像事前分布 (DIP) 法に基づく新しい画像ノイジ除去技術を提案する. 本論文では, Steinの不偏リスク推定量 (SURE) を用いて, 画像復元の自己教師あり学習を実現し, ネットワークの解釈可能性を高めることに貢献する. 性能を維持したまま, パラメータ数の削減を実現する. 従来の DIP は, ランダム入力で復元画像を生成するため 学習データが不要という利点がある. しかし, 解釈可能性が低いという問題がある. 結果として, ネットワークは冗長な設計パラメータを準備する必要がある. そこで本研究では, 損失関数を平均二乗誤差 (MSE) から SURE に置き換える. この置き換えにより, なぜランダム入力が必要なのかを解釈することができる. また, 抽出された特徴を利用するために, 閾値のスケール間線形拡張 (LET) をネットワークに導入する. 群遅延補償を用いないために, 対称性を有する階層的非分離冗長重複変換 (NSOLT) を利用して構造化 DIP を構築する. シミュレーション結果を示すことで, 提案手法の有効性を確認する. |
| （英） | This work proposes a novel image denoising technique inspired by the deep image prior (DIP) method. Our contribution is to increase the interpretability of the network by proposing to use the Stein’s unbiased risk estimator (SURE) to realize self-supervised learning of image restoration. As a result, the number of parameters is decreased while keeping the performance. The conventional DIP accepts random input to generate restored image and has an advantage that no training data is requested. However, there is a problem that the interpretability is low. As a result, the network should prepare redundant design parameters. In this work, we replace the loss function from mean-squared error (MSE) to SURE. This replacement allows us to interpret the reason why a random input is needed. As well, we also introduce the interscale linear expansion of the thresholding (LET) in our network to exploit the extracted features. In order to avoid using group delay compensation, we construct a structured DIP by using hierarchical non-separable oversampled lapped transform (NSOLT) with the symmetric property. By showing some simulation results, the significance of the proposed method is verified. | |
| キーワード | （和） | 画像ノイジ除去 / 畳み込みニューラルネットワーク / Stein の不偏リスク推定 / スケール間閾値処理 / 非分離冗長重複変換 / 自己教師あり学習 / / |
| （英） | Image denoising / Convolutional neural network / Stein’s unbiased risk estimate / Interscale thresholding / Non-separable oversampled lapped transform / Self-supervised learning / / | |
| 文献情報 | 信学技報, vol. 122, no. 165, SIP2022-55, pp. 31-36, 2022年8月. | |
| 資料番号 | SIP2022-55 | |
| 発行日 | 2022-08-18 (SIP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SIP2022-55 |
|
| 研究会情報 | |
| 研究会 | SIP |
| 開催期間 | 2022-08-25 - 2022-08-26 |
| 開催地（和） | 大濱信泉記念館（石垣島） |
| 開催地（英） | Nobumoto Ohama Memorial Hall (Ishigaki Island) |
| テーマ（和） | 信号処理一般（数理・学習・画像・音声音響・通信・実現システム・基礎等) |
| テーマ（英） | Signal processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2022-08-SIP |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Structured Deep Image Prior with Interscale Thresholding |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 画像ノイジ除去 / Image denoising |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / Convolutional neural network |
| キーワード(3)（和/英） | Stein の不偏リスク推定 / Stein’s unbiased risk estimate |
| キーワード(4)（和/英） | スケール間閾値処理 / Interscale thresholding |
| キーワード(5)（和/英） | 非分離冗長重複変換 / Non-separable oversampled lapped transform |
| キーワード(6)（和/英） | 自己教師あり学習 / Self-supervised learning |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 李 吉凱 / Jikai Li / リ キツガイ |
| 第1著者 所属（和/英） | 新潟大学 (略称： 新潟大) Niigata University (略称： Niigata Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 村松 正吾 / Shogo Muramatsu / ムラマツ ショウゴ |
| 第2著者 所属（和/英） | 新潟大学 (略称： 新潟大) Niigata University (略称： Niigata Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-08-25 14:33:00 |
| 発表時間 | 18分 |
| 申込先研究会 | SIP |
| 資料番号 | SIP2022-55 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.165 |
| ページ範囲 | pp.31-36 |
| ページ数 | 6 |
| 発行日 | 2022-08-18 (SIP) |
[研究会発表申込システムのトップページに戻る]