連想メモリモデルを用いることで、特徴量の劣化に対してもウォーターマークを正確に抽出できる。
本論文は、光線場画像の特徴を効果的に抽出し、非対称ストリップ畳み込みを用いた深層学習モデルによる高効率な圧縮手法を提案している。
潜在指紋の強化を通じて、指紋の特徴点を正確に検出することができる。
ユーザーの要求に合わせて、局所的および全体的な編集を可能にする、テキストプロンプトと画像プロンプトを統合した画像編集手法を提案する。
提案するDAF-Netは、赤外線画像と可視画像の特徴を効果的に融合し、グローバル構造と詳細テクスチャのバランスを取ることができる。
エッジ情報を活用したディフュージョンモデルを用いた画像圧縮手法により、高精細な画像再構築を実現する。
WaveMixSR-V2は、従来のWaveMixSRモデルを改良し、ピクセルシャッフル操作の導入と多段階設計により、より高効率な超解像度処理を実現している。
ユーザーが指定したハンドルポイントとターゲットポイントを使って、1秒以内に高品質な画像編集を行うことができる。
適応的セグメンテーションに基づく初期化手法を提案し、ステアード混合専門家モデルの最適化を高速化し、再構成品質を大幅に向上させる。
本論文では、全変動正則化を用いたベイズ画像復元問題に対して、MALA-within-Gibbs (MLwG)サンプリングアルゴリズムを提案する。MLwGは、画像を小さなブロックに分割し、各ブロックに対してMALA提案を用いたギブスサンプリングを行う。この手法は、高次元の画像に対しても、ブロック受容率と収束速度が次元に依存しないことを理論的に示す。また、スムージングによる近似誤差も次元に依存しないことを示す。さらに、ブロックの局所性を利用した効率的な実装方法を提案する。数値実験では、提案手法がMALAに比べて優れた性能を示すことを確認する。