ディープラーニングベースの手法は、圧縮センシングなどの幅広い画像再構成タスクで最先端の結果を実現します。これらのメソッドには、ほとんどの場合、最適化された損失関数のさまざまな項のバランスをとる重み係数

arxiv_reader のブックマーク 2022/05/16 11:56

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4719631117860105282/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2202.11009v5" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2202.11009v5" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2202.11009v5" data-user-icon="/users/arxiv_reader/profile.png">単一のハイパーネットワークで複数の画像再構成を計算する</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/reconstruction">reconstruction</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/MRI">MRI</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/super-resolution">super-resolution</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/learning">learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/denoising">denoising</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22loss%20function%22">loss function</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li></ul><br><p style="clear: left">ディープラーニングベースの手法は、圧縮センシングなどの幅広い画像再構成タスクで最先端の結果を実現します。これらのメソッドには、ほとんどの場合、最適化された損失関数のさまざまな項のバランスをとる重み係数</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20220516#bookmark-4719631117860105282"><span class="datetime-body">2022/05/16 11:56</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！