Denoising: A Powerful Building-Block for Imaging, Inverse Problems, and Machine Learning

要約

ノイズ除去とは、信号中のランダムな揺らぎを減少させ、本質的なパターンを強調するプロセスであり、近代科学研究の黎明期以来、基本的な問題として関心を集めてきた。最近のノイズ除去技術は、特に画像処理において目覚ましい成功を収め、ある尺度では理論的限界に近づいている。しかし、何万もの研究論文があるにもかかわらず、ノイズ除去以外のノイズ除去の幅広い応用は十分に認識されていない。これは、膨大かつ多様な文献のせいでもあり、明確な概観を困難にしている。 本稿はこのギャップを解決することを目的とする。本稿では、ノイズ除去、その構造、および望ましい特性に関する明確な視点を提示する。ノイズ除去の重要性が増していることを強調し、画像処理、逆問題、機械学習における複雑なタスクに不可欠なビルディングブロックへと進化していることを紹介する。その長い歴史にもかかわらず、コミュニティはデノイジングの予期せぬ画期的な用途を発見し続けており、科学的・工学的実践の要としての地位をさらに強固なものにしている。

要約(オリジナル)

Denoising, the process of reducing random fluctuations in a signal to emphasize essential patterns, has been a fundamental problem of interest since the dawn of modern scientific inquiry. Recent denoising techniques, particularly in imaging, have achieved remarkable success, nearing theoretical limits by some measures. Yet, despite tens of thousands of research papers, the wide-ranging applications of denoising beyond noise removal have not been fully recognized. This is partly due to the vast and diverse literature, making a clear overview challenging. This paper aims to address this gap. We present a clarifying perspective on denoisers, their structure, and desired properties. We emphasize the increasing importance of denoising and showcase its evolution into an essential building block for complex tasks in imaging, inverse problems, and machine learning. Despite its long history, the community continues to uncover unexpected and groundbreaking uses for denoising, further solidifying its place as a cornerstone of scientific and engineering practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL