الوصف
أصبح مقدمات الصورة أداة شائعة لمهام استعادة الصور. تم تطبيق عوامل مسبقة جيدة على مهام مختلفة مثل تقليل التشويش على الصورة ، ورسومات الصورة والمزيد ، مما يؤدي إلى نتائج ممتازة. ومع ذلك ، فإن تعلم العوامل المسبقة الجيدة من الصور الطبيعية مهمة شاقة – فالأبعاد العالية للصور تجعل التعلم والاستدلال والتحسين مع مثل هذه المقدمات أمرًا صعبًا للغاية. نتيجة لذلك ، في العديد من الأعمال ، يتم تعلم المسابقات على تصحيحات صور صغيرة. هذا له ميزة جعل المهام الحسابية مثل التعلم والاستدلال وتقدير الاحتمالية أسهل بكثير من العمل مع الصور الكاملة مباشرة.
قمنا بتحويل 68 صورة من قاعدة بيانات بيركلي (كما هو مذكور أعلاه) مع نواة التمويه المزودة برمز [1]. ثم أضفنا 1٪ ضوضاء غاوسية بيضاء إلى الصور ، وحاولنا إعادة البناء باستخدام الكود بواسطة [1] وإطار عمل EPLL الخاص بنا مع GMM مسبقًا. النتائج متفوقة في كل من PSNR وجودة المخرجات ، كما يتضح من الشكل 1.
تجارب مزعجة
[1] د. كريشنان ور. فيرغوس ، “فك سريع للصورة باستخدام مقدمات فائقة اللابلاسيان ،” في التطورات في أنظمة معالجة المعلومات العصبية 22 ، ص 1033-1041 ، 2009.
المراجعات
لا توجد مراجعات بعد.