PROST, Jean; HOUDARD, Antoine; ALMANSA, Andrés; PAPADAKIS, Nicolas

Metadatos

Mostrar el registro completo del ítem

Licencia de uso del documento

PROST, Jean
Institut de Mathématiques de Bordeaux [IMB]

HOUDARD, Antoine
Institut de Mathématiques de Bordeaux [IMB]

ALMANSA, Andrés
Mathématiques Appliquées Paris 5 [MAP5 - UMR 8145]

Idioma

Communication dans un congrès

Este ítem está publicado en

Congrès des jeunes chercheurs en vision par ordinateur (ORASIS'21), 2021-09-13, Saint Ferréol. 2021

Resumen en inglés

Dans ce travail, nous élaborons une stratégie afin d’apprendre une fonction de régularisation pour résoudre des problèmes de restauration d’images. Une fonction de régularisation locale, paramétrée par un réseau de neurones convolutif, est entraînée telle une "critique" entre deux distributions non appariées de patches propres et dégradés, en utilisant un critère d’apprentissage inspiré par les Wasserstein-GAN. La fonction de régularisation globale est ensuite définie comme la valeur moyenne de la fonction locale sur l’ensemble des patches de l’image. L’efficacité de cette méthode est démontrée sur des problèmes de débruitage et de défloutage.< Leer menos

URI

https://oskar-bordeaux.fr/handle/20.500.12278/191492

Proyecto ANR

Repenser la post-production d'archives avec des méthodes à patch, variationnelles et par apprentissage - ANR-19-CE23-0027

Orígen

Importado de Hal

Centros de investigación

Institut de Mathématiques de Bordeaux (IMB) - UMR 5251