关键词snapshot compressive imaging
搜索结果 - 9
- 非训练的神经网络用于快照压缩成像:理论和算法
通过使用未经训练的神经网络(UNNs)模拟源结构,我们开发了一种理论框架来表征这些 UNN 方法的性能,同时利用最近提出的袋装深度图像先验(bagged-DIP)思想开发了快照压缩成像(SCI)袋装深度视频先验(SCI-BDVP)算法,在视 - SCINeRF:快照压缩图像中的神经辐射场
我们研究了利用快照压缩成像(SCI)技术从单个时态压缩图像中恢复底层 3D 场景表示的潜力。我们的方法基于神经辐射场(NeRF)的强大 3D 场景表示能力,将 SCI 的物理成像过程作为 NeRF 的训练的一部分,从而在捕捉复杂场景结构方面 - DiffSCI:基于迭代谱扩散模型的零样本快照压缩成像
本研究通过将传统 SCI 技术和图像生成模型相结合,提出了一种名为 DiffSCI 的新型结构化零射扩散模型,来提高多光谱图像的快照压缩成像(SCI)重建的精度。DiffSCI 利用了深度先验和基于优化的方法对结构的理解,加上当代去噪扩散模 - 快照压缩成像的合作硬件即时学习
本论文提出了一种基于联邦学习和硬件感知的快照压缩成像方法(FedHP),它利用硬件感知的方法全局地学习一个提示器,通过对不同编码孔径造成的数据不一致性进行对齐,以解决现有压缩重建模型的泛化性差、受硬件干扰影响大的问题。
- ICCV具有三维卷积神经网络先验的密集深度展开网络用于快照压缩成像
本文提出了一种基于 DUN 的快速高效的快照压缩成像算法,采用 3D-CNN 先验和新型密集特征映射(DFM)策略来更好地利用帧间的时空相关性和解决现有 DUN 中相邻相位信息丢失的问题,同时为了提高网络鲁棒性,还提出了密集特征映射适应(D - ICCV自监督神经网络用于光谱瞬间压缩成像
本文提出了一种结合 DIP 的插入式自监督网络框架,使用未经训练的神经网络解决了快照压缩成像的光谱重建问题,实验证明该算法可以在不使用大量模拟数据的情况下取得与基于训练的网络相媲美的性能,并可与预训练的深度去噪先验结合以获得最先进的结果。
- 用于快照压缩成像的 GAP 网络
本文提出了一种基于深度展开思想的 SCI 恢复算法,即 GAP-net,该算法在交替投影(GAP)算法的基础上进行展开,其中 CNN 作为去噪器,将当前的信号估计投影回所需的信号空间。通过证明,对于基于自编码器的去噪器的 GAP-net,我 - CVPR大规模瞬态压缩成像的即插即用算法
本文提出了基于插拔法框架的快速灵活的 SCI 算法 PnP-GAP,相比于 PnP-ADMM 方法,具有更低的计算工作量。同时,通过采用深度去噪先验,我们第一次展示了 PnP 可以从快照 2D 测量中恢复 UHD 彩色视频。研究结果表明,我 - 基于排名最小化的瞬间压缩成像
通过利用所需信号的高维结构来提高快照压缩成像 (Snapshot compressive imaging, SCI) 的重建质量,本文通过构建联合模型将视频 / 高光谱帧的非局部自相似性和秩极小化方法与 SCI 传感过程相结合,提出交替最小