total variation regularization | BriefGPT

关键词total variation regularization

搜索结果 - 12

广义对手变换全变差多光谱图像恢复
提出并发展了多光谱总变差正则化在广义对手变换域而非原始多光谱图像域中的应用，通过定量指标如 MPSNR 和 MSSIM 的评估，展示了其在多光谱图像恢复中相较于现有方法的卓越性能。
PDF4 months ago
MM一种基于随机优化的训练非线性神经网络的高阶全变差正则化方法
高度表达的参数模型，如深度神经网络，在建模复杂概念方面具有优势，但这种高度非线性模型的训练已知存在高风险的过度拟合问题。为了解决这个问题，本研究考虑第 k 阶总变差（k-TV）正则化，该正则化定义为被训练的参数模型的 k 阶导数的平方积分，
PDFa year ago
基于未经训练的神经网络的傅里叶相位恢复及其在极少测量中的嵌入
使用基于交替方向乘子方法（ADMM）框架的未训练神经网络（NN）嵌入算法，通过生成网络和总变差（TV）正则化来解决具有少量测量的 Fourier 相位恢复（FPR）问题，从而减少计算资源，并能与训练的 NN 算法竞争性地表现。
PDFa year ago
多类分类对抗训练解的存在性
本文研究了三种拟建立鲁棒分类器以对抗对数据的恶意扰动的多分类分类问题模型，证明了每个模型中存在 Borel 可测的鲁棒分类器，并提供了对抗训练问题的统一视角，扩展了与作者在先前工作中启动的最优传输方面的关联，并发展了在多类设置中进行对抗训练
PDFa year ago
ICML利用全变差正则化从仅有噪声标签中学习噪声转移矩阵
本文提出了一种基于总变差正则化的弱监督分类方法，不需要依赖于易错的含噪类后验预测，可以同时估计噪声转移矩阵和学习分类器。实验证明该方法在基准和实际数据集上的有效性。
PDF3 years ago
使用 Lipschitz 正则化损失提高对抗样本的鲁棒性
本文提出了一种在 CIFAR-10 数据集上，使用最坏情况对抗训练（WCAT）提高 11% 的对抗鲁棒性。基于损失函数梯度范数的期望值和最大值，我们获得了可验证的平均情况和最坏情况的鲁棒性保证。我们将对抗训练解释为总变分正则化，这是数学图像
PDF6 years ago
ECCV基于语言引导的时尚图像编辑与特征变换
本文提出了一种名为 FiLMedGAN 的基于自然语言表示的特征线性调制的方法，能够在仅使用少量空间信息的情况下对服装图像进行编辑和生成，相比于现有的基线工作，结合 skip connection 和 total variation reg
PDF6 years ago
CVPR嵌入空间低秩模型的张量缺失切片恢复
本研究提出了一种用于多维张量数据的低秩模型和一种基于 Tucker 分解的低秩张量分解方法，该方法能够成功地恢复一些彩色图像和功能磁共振成像中的丢失部分。
PDF6 years ago
单变量全变差去噪和趋势过滤中的自适应风险界限
探讨 trend filtering 方法在强稀疏性情况下的表现，研究了每个正整数 $r$ 的趋势过滤估计器，发现其具有很好的性能，因此支持在强稀疏性情况下使用 trend filtering 方法。
PDF7 years ago
基于修复的图像压缩的双层视图
本文介绍了两种算法来高效地解决 Laplacian interpolation 压缩模型中的支持点选取问题，并将其扩展到了更为一般化的双层优化 Laplacian 模型，其中 biharmonic interpolation 表现出了更好的
PDF10 years ago
使用具有重叠组稀疏性的全变差进行图像恢复
本研究提出使用重叠组稀疏总变差正则化器的优化问题，通过 $l_2$ 数据保真度项，避免楼梯状效应，从而实现保留边缘特征的图像恢复。同时，我们还提出了一种快速算法，并与现有的 TV 和 HTV 算法进行了比较，数值实验证明了该方法在 PSNR
PDF11 years ago
稀疏脉冲解卷积的精确支持恢复
本文研究测度空间中稀疏高斯脉冲信号的反卷积问题，提出总变差正则化方法用于测度恢复，当信噪比足够大时，可以精确恢复脉冲信号的支撑点位置。
PDF11 years ago