Understanding Deep Image Prior

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F23%3A00369787" target="_blank" >RIV/68407700:21340/23:00369787 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Understanding Deep Image Prior
Popis výsledku v původním jazyce
Inverse problems in imaging, like denoising, inpainting or superresolution usually require a suitable regularization or a prior to achieve good reconstruction results. It was shown that untrained neural networks can replace traditional handcrafted priors and achieve superior performance. This contribution will focus on Deep Image Prior, the pioneering work utilizing untrained neural priors, its applications for image reconstruction problems, and possible explanations of its success.
Název v anglickém jazyce
Understanding Deep Image Prior
Popis výsledku anglicky
Inverse problems in imaging, like denoising, inpainting or superresolution usually require a suitable regularization or a prior to achieve good reconstruction results. It was shown that untrained neural networks can replace traditional handcrafted priors and achieve superior performance. This contribution will focus on Deep Image Prior, the pioneering work utilizing untrained neural priors, its applications for image reconstruction problems, and possible explanations of its success.

Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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
7
Strana od-do
37-43
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
—

Podobné výsledky(10)