Mar, 2020

迭代最小二乘实现实时图像平滑处理

PDF
TL;DR提出了一种名为迭代最小二乘法（ILS）的新全局优化方法，可用于高效的边缘保留图像平滑，并能通过 GPU 加速从而显著提高处理速度。实验结果表明该方法在处理高质量图像时具有较少的可见伪影。
image smoothingedge preservationiterative least squarescomputational efficiencygpu acceleration
发现论文，激发创造
  • 实时图像平滑改进：保留弱结构和移除高对比度细节

    通过计算符合像素结构或细节性质的值，使用迭代最小二乘法 (ILS) 方法处理图像平滑，既可以有效保存弱结构又可以移除高对比度细节。

    Jul, 2023

  • 边缘保留图像平滑的基准测试

    该研究通过提出一个基准，包括一个带有真实图像结果的图像数据集以及可用于生成具有竞争力的边缘保留平滑结果的基线算法，旨在解决现有算法难以对单一参数设置下适应各种图像以及评估过于主观等问题，利用深度卷积网络和设计适合于边缘保留图像平滑的新损失函数，在结果上领先于大多数最先进的平滑算法。

    Apr, 2019

  • 迭代重新加权最小二乘方法的共轭梯度加速

    该研究通过探讨压缩感知和稀疏恢复问题等特定领域中的迭代算法，证明了使用共轭梯度法来解决二次优化问题可以在保证收敛的同时显著提高其复杂度，并发现 IRLS 方法在大维度情况下可以优于 IHT 和 FISTA 等一阶方法，并且在所需测量 fewer 的情况下仍可以恢复稀疏向量。

    Sep, 2015

  • 图像滤波中的半全局加权最小二乘

    本文介绍了一种名为 Semi-Global Weighed Least Squares (SG-WLS) 的方法，它可以在图像过滤中更高效地替代传统的 Weighted Least Squares 方法。该方法通过特殊邻域构造将 2D 信息嵌入 1D 子系统求解，从而达到了接近传统模型的效果，且运行速度大约快了 20 倍，内存利用率也得到了很大的提升。此外，该方法还提供了更广泛的邻域范围，可以适用于更多应用场景。

    May, 2017

  • 无监督学习的图像平滑技术

    本文提出一种利用深度卷积神经网络进行无监督学习的统一框架，通过使用包括边缘保留正则化器和自适应 Lp 平滑准则在内的新型能量函数来生成灵活高质量的平滑效果以及实现图像的抽象化，素描，详情增强，纹理去除和基于内容的图像操作，其速度非常快，同时性能也比过去的方法更好。

    Nov, 2018

  • 边缘保留与结构保留图像平滑的广义框架

    本文提出了一个非凸非光滑优化框架，其核心在于引入了截断的 Huber 惩罚函数来实现不同的平滑化效果，并展示了该方法在图像平滑处理中的有效性和优越性能。

    Jul, 2019

  • 迭代加权最小二乘法平滑低秩和稀疏矩阵恢复

    本文提出了一个解决低秩和 / 或稀疏矩阵最小化问题的一般框架，使用迭代重新加权最小二乘（IRLS）方法来解决混合低秩和稀疏最小化问题，例如用于解决 Schatten-p 规范和 ell_2,q-norm 规范的低秩表示问题，理论证明了所获得的解为静止点，并在合成和实际数据集上进行了广泛的实验以证明其有效性。

    Jan, 2014

  • 通过迭代加权最小二乘法实现图像恢复的稀疏和低秩先验学习

    提出了一种基于学习的稀疏和低秩约束的图像恢复新优化算法，并将其和现有算法进行了比较和评估。

    Apr, 2023

  • 大规模约束最小二乘问题的梯度投影迭代草图

    该论文提出了一种随机一阶优化算法 Gradient Projection Iterative Sketch（GPIS）及其加速变体，以有效地解决大规模约束最小二乘（LS）问题，并通过在各种大型合成 / 实际数据集上的数值实验证明了我们方法的计算效率与经典加速梯度方法和最先进的方差减少随机梯度方法相比的优越性。

    Sep, 2016

  • 混合线性回归的迭代最小剪枝平方

    本文研究了混合线性回归中带有干扰项的迭代最小残差平方法，提出了 ILTS 的全局算法并在等方差高斯特征下进行评估，结果表明在坏的训练数据设置下，循环拟合最佳样本子集可以确保达到最先进的性能。

    Feb, 2019