Parameter-free structure-texture image decomposition by unrolling

要約

この作業では、構造テクスチャー画像分解問題に取り組むためのパラメーターフリーで効率的な方法を提案します。
特に、低パッチランクモデルの展開に基づいて、ニューラルネットワークLPR-NETを提示します。
一方では、これにより、データからパラメーターを自動的に学習することができ、他方では、従来の反復モデルベースの方法と比較して定性的に類似した結果を得ている間、計算的に高速になるようになります。
さらに、合成画像の訓練を受けているにもかかわらず、数値実験は、自然な画像に適用されると、ネットワークがよく一般化する能力を示しています。

要約(オリジナル)

In this work, we propose a parameter-free and efficient method to tackle the structure-texture image decomposition problem. In particular, we present a neural network LPR-NET based on the unrolling of the Low Patch Rank model. On the one hand, this allows us to automatically learn parameters from data, and on the other hand to be computationally faster while obtaining qualitatively similar results compared to traditional iterative model-based methods. Moreover, despite being trained on synthetic images, numerical experiments show the ability of our network to generalize well when applied to natural images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google