Sep, 2011

基于曲率先验的 MRF 分割和形状修复

PDF
TL;DR本文提出了一个框架，用于发现高阶先验的简洁表示，使得推理更为高效。我们用先前提出的线性函数的下包络来编码这些先验，最大后验推断可以通过离散变量的成对函数最小化来完成。尽管这是一个主要是理论的论文，我们还在图像分割和重建的问题上展示了我们框架的实际效果，表明它可以学习一个鼓励低曲率形状的先验，并展示了一些形状填补和图像分割的结果。
image labelinghigher order priorsefficient inferenceshape priorimage segmentation
发现论文，激发创造
  • 用于三维形态建模与重建的深度优化先验

    该研究提出了一种新的 3D 建模和重建学习框架，通过连接基于学习和基于优化的方法的优点并优化学习的先验和潜在编码，提高了深度生成器的广义性。实验结果显示，该方法在处理高度稀疏或坍塌的观测数据方面比现有方法都有优势。

    Dec, 2020

  • 无需图像先验的不适定图像重建

    提出了一种无需显式图像先验信息的方法，通过共享低维结构来解决一组逆问题，其中可以处理许多具有通用结构的复杂实际问题，如图像降噪、相位恢复和黑洞视频重建等。

    Apr, 2023

  • 深度先验展开优化

    本文提出了一种使用深度先验知识进行解决图像重建问题的框架，该框架在去噪、去模糊以及磁共振成像的压缩感知等多种成像问题上实现了较大幅度的性能提升，并通过实验进一步解释了其优越性。

    May, 2017

  • 基于曲率惩罚的基于区域的图像分割和修复的线性框架

    本文提出了一种使用基于单元复合的整数线性规划方案来处理图像分割中的曲率规则，从而实现对初始值的独立处理，并将问题建模为图像分割和修复的整数线性规划问题，通过该模型得到的结果在处理长而细的对象的曲率规则时比标准的长度规则更适用。

    Feb, 2011

  • 基于高斯混合的 MRF 的模型迭代重建算法及其在低剂量 X 射线 CT 上的应用

    本文介绍了一种高效的先验模型 —— 高斯混合 Markov 随机场模型 (GM-MRF)，以及通过构建替代函数的新型分析框架，在低对比度和高对比度区域分别控制图像重建锐度的方法。实验证明了该模型在图像去噪和低剂量 CT 重建方面的价值。

    May, 2016

  • 基于样式生成模型的先前图像约束重建

    利用深度学习方法，通过在生成式模型的分离潜在空间中对先验图像的概念性信息进行约束和优化，提出了一个框架用于从高度不完整的成像测量中估计与已知先验图像有语义相关性的对象。

    Feb, 2021

  • 通过度量保存先验学习隐含的形状表示

    本文提出度量保持作为学习变形三维形状隐式表示的有力先验。其关键在于引入几何畸变准则，在解码形状上直接定义，将解码上的度量保持转化为潜在空间下的线性路径形成。度量保存提供了一种严格控制几何畸变量、从而获得更高质量的合成样本的方法，而我们的构建的有效性和潜力显示在样式迁移、内容生成和形状完整性方面。

    Mar, 2020

  • AutoSDF: 用于 3D 完善、重建和生成的形状先验

    该研究提出了一种基于自回归先验的方法来解决三维形状完形、重建和生成等多模态三维任务，该方法可以在一个任意集合的空间查询位置上对三维形状建模，从而在不同的条件下执行形状补齐。

    Mar, 2022

  • 学习形状先验用于单视图 3D 补全和重建

    本文提出 ShapeHD，将深度生成模型与马赛克技术相结合，解决了单视角 3D 形状补全和重建的两个层面的问题，并在多个真实数据集上取得了比现有技术领先很多的表现。

    Sep, 2018

  • 带学习形状先验的半监督实例分割

    基于形状先验的半监督学习方法通过使用形状模型，只需要少量的实际或合成形状数据，从而实现与全面访问训练数据的监督方法相媲美的结果，并在三个数据集上优于预训练的有限领域特定训练数据的监督模型。

    Sep, 2023