Initialization of Deep Learning Zero-shot Blind Image Deconvolution
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F23%3A00369785" target="_blank" >RIV/68407700:21340/23:00369785 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Initialization of Deep Learning Zero-shot Blind Image Deconvolution
Popis výsledku v původním jazyce
The aim of the blind image deconvolution is to recover a sharp image from a blurred one. Assuming that there is no other data than the one blurred image, the problem is highly ill-posed. Approaches based on bayesian models that attempt to describe an image statistics using priors had played a major role in the zero-shot blind image deblurring until a deep image prior (DIP) and subsequently a DIP framework for the blind image deconvolution were proposed. This method differes from the traditional ones in many aspects, one of them being its initialization. This paper examines influence of the initialization though the modeconnectivity method and discusses a possible role of a power spectra of the sharp image.
Název v anglickém jazyce
Initialization of Deep Learning Zero-shot Blind Image Deconvolution
Popis výsledku anglicky
The aim of the blind image deconvolution is to recover a sharp image from a blurred one. Assuming that there is no other data than the one blurred image, the problem is highly ill-posed. Approaches based on bayesian models that attempt to describe an image statistics using priors had played a major role in the zero-shot blind image deblurring until a deep image prior (DIP) and subsequently a DIP framework for the blind image deconvolution were proposed. This method differes from the traditional ones in many aspects, one of them being its initialization. This paper examines influence of the initialization though the modeconnectivity method and discusses a possible role of a power spectra of the sharp image.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10102 - Applied mathematics
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
SPMS 2022/23 Stochastic and Physical Monitoring Systems, Proceedings of the international conferences
ISBN
978-80-01-07250-9
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
1-8
Název nakladatele
České vysoké učení technické v Praze
Místo vydání
Praha
Místo konání akce
Sloup v Čechách
Datum konání akce
26. 6. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—