MétaCan
Menu
Retour à la cohorte
Enregistrement W2045147903 · doi:10.1137/130915406

Total Variation Structured Total Least Squares Method for Image Restoration

2013· article· en· W2045147903 sur OpenAlexaff
Xi-Le Zhao, Wei Wang, Tieyong Zeng, Ting‐Zhu Huang, Michael K. Ng

Notice bibliographique

RevueSIAM Journal on Scientific Computing · 2013
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical and numerical algorithms
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMathematicsTotal variation denoisingImage restorationMinificationRegularization (linguistics)AlgorithmFunction (biology)Image (mathematics)Mathematical optimizationVariation (astronomy)Least-squares function approximationApplied mathematicsPoint spread functionImage processingStatisticsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, we study the total variation structured total least squares method for image restoration. In the image restoration problem, the point spread function is corrupted by errors. In the model, we study the objective function by minimizing two variables: the restored image and the estimated error of the point spread function. The proposed objective function consists of the data-fitting term containing these two variables, the magnitude of error and the total variation regularization of the restored image. By making use of the structure of the objective function, an efficient alternating minimization scheme is developed to solve the proposed model. Numerical examples are also presented to demonstrate the effectiveness of the proposed model and the efficiency of the numerical scheme.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,039
Tête enseignante GPT0,354
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSIAM Journal on Scientific ComputingMême sujetStatistical and numerical algorithmsTravaux en français237 207