Fast and High-Quality Bilateral Filtering Using Gauss-Chebyshev Approximation
Indian Institute of Science（印度科学学院）
双边滤波器是一种边缘保持平滑器，在图像处理、计算机视觉、计算机图形学和计算摄影学中具有不同的应用。该滤波器使用空间核和范围核来执行边缘保持平滑。在本文中，我们考虑高斯双边滤波器的内核都是高斯。高斯双边滤波器的直接实现需要每个像素的$O(σ_s^2)$操作，其中$σ_s$是空间高斯的标准偏差。事实上，众所周知，直接实施在实践中是缓慢的。我们提出了一个近似的高斯双边过滤器，从而我们可以减少操作的数量，以$O(1)$每像素的任何任意$σ_s$，但实现非常高的质量过滤，几乎是从原始过滤器的输出难以区分。我们表明，建议的近似是几个订单在实践中更快的直接实施相比。我们还证明了近似与现有的快速算法在速度和精度方面具有竞争力。
2016-05-10 cs.CV
Learning Sparse High Dimensional Filters: Image Filtering, Dense CRFs and Bilateral Neural Networks
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Bernstein Center for Computational Neuroscience（伯恩斯坦计算神经科学中心）
双边滤波器由于其边缘保持特性而被广泛使用。常见的用例是手动选择参数滤波器类型，通常是高斯滤波器。在本文中，我们将推广的参数化，特别是推导出一个梯度下降算法，使滤波器参数可以从数据中学习。这种推导允许学习在稀疏填充的特征空间中操作的高维线性滤波器。我们建立在permutohedral晶格建设有效的过滤。学习更一般形式的高维滤波器的能力可以用于多种不同的应用程序。首先，我们演示了在由于运行时原因需要单个过滤器应用程序的应用程序中的使用。此外，我们还展示了如何使用该算法来学习密集连接的条件随机场中的成对电位，并将其应用于不同的图像分割任务。最后，我们在CNN中引入了双边滤波器层，并提出了用于高维稀疏数据的双边神经网络。这个视图提供了将模型结构编码到网络架构中的新方法。一组不同的实验经验验证了一般形式的过滤器的使用。
2015-11-25 cs.CV
BMBC:Bilateral Motion Estimation with Bilateral Cost Volume for Video Interpolation
Korea University（高丽大学）；Dongguk University（东国大学）
视频内插通过合成两个连续帧之间的中间帧来增加视频序列的时间分辨率。本文提出了一种基于深度学习的双向运动估计视频插值算法。首先，我们开发了双边运动网络的双边成本量，以准确地估计双边运动。然后，我们近似双向运动来预测不同类型的双边运动。然后，我们使用估计的双边运动来扭曲两个输入帧。接下来，我们开发了动态滤波器生成网络来生成动态混合滤波器。最后，我们使用动态混合滤波器组合变形帧以生成中间帧。实验结果表明，该算法优于国家的最先进的视频插值算法在几个基准数据集。
2020-07-17 cs.CV
On a fast bilateral filtering formulation using functional rearrangements
Universidad de Oviedo（奥维耶多大学）
本研究提出基于递减和相对重排的双边滤波器精确重构形式，证明其与像素版等价，拓展了快速双边滤波的离散结果，验证了离散解向连续解的收敛性，并通过数值实验展示其计算特性。
2015-05-03 cs.CV
Fast Adaptive Bilateral Filtering
Indian Institute of Science（印度科学学院）
在经典的双边滤波器中，使用固定的高斯范围核以及用于边缘保持平滑的空间核。我们认为这个过滤器的泛化，所谓的自适应双边过滤器，其中的中心和宽度的高斯范围内核是允许改变从像素到像素。虽然这种变体最初是为了锐化和噪声去除而提出的，但它也可以用于其他应用，例如伪影去除和纹理过滤。与双边滤波器类似，自适应滤波器的蛮力实现需要大量的计算。虽然在文献中已经提出了几种快速算法用于双边滤波，但它们中的大多数仅适用于固定范围的核。本文提出了一种自适应双边滤波的快速算法，其复杂度不随空域滤波器宽度的变化而变化。这是基于这样的观察，即可以使用适当定义的局部直方图纯粹在范围空间中执行相关滤波。我们表明，通过用多项式代替直方图，用积分代替有限范围空间和，我们可以用解析函数近似滤波器。特别是，一个有效的算法是使用以下创新：多项式拟合匹配其时刻的目标直方图（这是使用快速卷积），并使用部分积分递归计算的解析函数。我们的算法可以加速至少$20 \times$的蛮力实现，没有明显的失真的视觉质量。我们证明了我们的算法锐化，JPEG去块，纹理滤波的有效性。
2018-11-06 cs.CV
Image Denoising using Optimally Weighted Bilateral Filters: A Sure and Fast Approach
Indian Institute of Science（印度科学学院）
众所周知，双边滤波器对于对受到小剂量加性高斯噪声污染的图像进行去噪非常有效。然而，已知滤波器的去噪性能随着噪声水平的增加而迅速降低。在文献中已经提出了滤波器的几种适应性来解决这个缺点，但通常需要大量的计算开销。在本文中，我们报告了一个简单的预处理步骤，可以大大提高双边滤波器的去噪性能，几乎没有额外的成本。修改后的滤波器被设计为在大的噪声水平下是鲁棒的，并且在低于某个噪声阈值时往往表现不佳。为了充分利用原始滤波器和修改后的滤波器，我们建议以加权方式将它们组合起来，其中选择权重以最小化（替代）Oracle均方误差（MSE）。因此，在所有噪声水平下，最优加权滤波器在MSE方面保证比分量滤波器中的任一个执行得更好。我们还提供了一个快速算法的加权滤波。标准测试图像上的视觉和定量去噪结果表明，在原始滤波器的改善是显着的视觉和PSNR。此外，最优加权双边滤波器的去噪性能与计算密集型非局部均值滤波器具有竞争力。
2015-05-25 cs.CV
Fast and Accurate Bilateral Filtering using Gauss-Polynomial Decomposition
Indian Institute of Science（印度科学院）
双边滤波器是一种通用的非线性滤波器，在图像处理、计算机视觉、计算机图形学和计算摄影学中有着广泛的应用。滤波器的一种广泛使用的形式是高斯双边滤波器，其中空间和范围内核都是高斯的。该滤波器的直接实现需要每个像素的$O(σ^2)$操作，其中$σ$是空间高斯的标准偏差。在本文中，我们提出了一个精确的近似算法，可以减少计算复杂性度为$O(1)$每像素的任何$σ$（恒定时间实现）。这是基于这样的观察：距离核通过在距离空间上平移固定的高斯函数来操作，并且这些平移的高斯函数可以使用所谓的高斯多项式来精确地近似。从这种近似出现的整体算法涉及一系列的空间高斯滤波，它可以在恒定时间内使用可分性和递归来实现。我们提出了一些初步的结果表明，所提出的算法与现有的一些快速算法相比，在速度和准确性。
2015-05-25 cs.CV
Image Posterization Using Fuzzy Logic and Bilateral Filter
IT Dept., Assiut University（阿西乌特大学信息技术系）；Assiut University（阿西乌特大学）；Egypt（埃及（注意：此处Egypt是国家，非机构，原数据可能有误，按要求应忽略））；IT Dept.（信息技术系（重复出现））
图像色调转换是将具有大量色调的图像转换为具有明显平坦区域和较少色调的合成图像。在这份技术报告中，我们提出了使用模糊逻辑的实施和结果，以产生一个简单而快速的方式色调分离图像。图像滤波器是基于模糊逻辑和双边滤波，其中，给定的图像是模糊的，以消除小细节。然后，使用模糊逻辑将每个像素分为三个特定类别中的一个，以减少颜色的数量。这个过滤器是在构建Specs on Face数据集的过程中开发的，目的是为数据集中的原始人脸图像添加新的难度。该滤波器不会损害人体检测性能;然而，它被认为是回避人脸检测过程的障碍。此滤镜通常可用于对图像进行色调分离，特别是那些具有高对比度的图像，以获得具有鲜艳颜色的图像。
2018-02-03 cs.CV
LBF:Learnable Bilateral Filter For Point Cloud Denoising
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Hong Kong Metropolitan University（香港都会大学）
双边滤波器（BF）是一种快速、轻量级、有效的图像去噪工具，并很好地扩展到点云去噪。然而，它通常涉及连续的手动参数调整;这种不便降低了获得满意的去噪结果的效率和用户体验。我们提出了LBF，一种用于点云去噪的端到端可学习双边滤波网络;据我们所知，这是第一次。与传统的BF及其变体不同，LBF接收整个点云的相同参数，LBF根据每个点的几何特征（例如，角、边、平面），避免残留噪声、错误删除的几何细节和扭曲的形状。除了BF的可学习范式之外，我们还有两个核心来促进LBF。首先，不同于局部BF，LBF通过利用每个点的多尺度块而具有全局尺度特征感知能力。其次，LBF公式化几何感知的双向投影损失，导致去噪结果忠实于其底层表面。用户可以应用我们的LBF，而无需任何费力的参数调整，以实现最佳的去噪结果。实验表明，LBF在合成数据集和真实扫描数据集上都比其竞争对手有明显的改进。
2022-10-28 cs.CV
Speeding Up the Bilateral Filter: A Joint Acceleration Way
National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室）
双边滤波器（BF）的蛮力实现的计算复杂性取决于其滤波器核大小。为了实现复杂度与核大小无关的常数时间BF，已经提出了许多技术，例如2D盒滤波，维数提升和移位特性。虽然上述技术中的每一种都存在精度和效率问题，但由于将它们组合在一起的难度，以前的算法设计者通常只采用其中一种来组装快速实现。因此，没有联合利用这些技术已经提出了构建一个新的前沿实现，解决这些问题。共同使用五种技术：摘要结合核截断、最佳N项近似以及二维盒滤波、维数提升和移位特性，我们提出了一个统一的框架，将具有任意空间和范围核的BF变换为一组可以在线性时间内计算的三维盒滤波器。据我们所知，我们的算法是第一种方法，可以集成所有这些加速技术，因此，可以借鉴彼此的优点，以克服不足之处。我们的方法的强度已经被几个精心设计的实验所证实。特别地，在不牺牲运行时的效率的情况下，显著地提高了滤波精度。
2018-02-28 cs.CV
Efficient MRF Energy Propagation for Video Segmentation via Bilateral Filters
在多媒体应用中，从视频中分割出目标是一项具有挑战性的任务。根据应用，自动或交互式方法是理想的;然而，无论应用类型如何，视频对象分割的有效计算对于时间关键型应用至关重要;具体而言，移动和交互式应用需要接近实时的效率。在本文中，我们从效率的角度来解决视频分割的问题。我们最初重新定义的问题，视频对象分割的MRF能量沿时域的传播。为此，提出了一种新颖而有效的方法，通过双边滤波器在整个帧中传播MRF能量，而不使用任何全局纹理，颜色或形状模型。最近提出的双指数过滤器是利用效率，而一种新的技术也被开发来动态地解决图形切割的变化，在一般的线性过滤方案的非格图。这些改进的实验自动和交互式视频分割方案。此外，除了效率，分割质量也测试定量和定性。事实上，对于一些具有挑战性的示例，在不损失分割质量的情况下观察到显著的时间效率。
2014-10-27 cs.CV
Iterative Bilateral Filtering of Polarimetric SAR Data
Technische Universität Berlin（柏林工业大学）
提出了一种基于双边滤波的极化SAR图像相干斑滤波迭代算法。为了局部适应图像的空间结构，该滤波器依赖于空间和辐射域中的像素相似性。为了处理极化数据，我们研究了使用的相似性的基础上的统计距离称为Kullback-Leibler分歧，以及两个测地线距离黎曼流形。为了应对斑点，我们建议逐步完善的结果感谢迭代方案。实验运行在合成和实验数据。首先，仿真生成的极化重建误差，边缘保护和均匀区域的平滑方面的滤波参数的影响进行研究。与其他方法的比较表明，我们的方法相比，以及其他国家的最先进的方法在极化信息的提取和边缘恢复和噪声平滑表现出优越的性能。然后将该滤波器分别应用于L波段和S波段ESAR和FSAR传感器（DLR）的实验数据集。这些最后的实验表明，过滤器的能力，以恢复建筑物和道路等结构，并保持区域之间的边界，同时实现了大量的平滑均匀的地区。
2013-11-01 cs.CV
An Adaptive Framework for Missing Depth Inference Using Joint Bilateral Filter
深度成像主要集中在传感器和固有特性上。然而，获取像素的精度在很大程度上取决于捕获。提出了一种新的深度估计和近似算法，该算法以具有潜在复杂几何结构的任意三维点云为输入，自动生成一个限界框，用于将三维分布夹在有效范围内。然后，我们推断出所需的紧凑的几何网络从复杂的3D几何形状，通过使用一系列的自适应联合双边过滤器。我们的方法利用这些输入深度在一个紧凑的描述性自适应滤波器框架的建设。允许用户控制捕获深度图的结果以适合目标几何形状的构建系统。另外，期望在动态环境中可视化深度数据的结构上有问题的区域。为了提供这个功能，我们研究了一个快速更新算法的脆弱性，每个像素的相应的3D点使用机器学习。我们提出了一种新的特征向量分析方法，并在数据集上证明了其有效性。在我们的实验中，我们通过计算从不同类型的传感器捕获的深度图的精确解来证明我们所提出的方法的实用性和优点，并且显示出比现有方法更好的结果。
2017-10-14 cs.CV
Multi-Kernel Filtering for Nonstationary Noise: An Extension of Bilateral Filtering Using Image Context
Northwest University（西北大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Korea University（高丽大学）
双边滤波（BF）是最经典的去噪滤波器之一，然而，手动初始化的滤波核阻碍了它对具有不同特征的图像的自适应性。为了处理图像变化（即，非平稳噪声），本文提出了一种多核滤波器（MKF），该滤波器能够自动地根据图像的特定特征调整滤波核。MKF的设计灵感来自人类视觉的自适应机制，充分利用视觉环境中的信息。更具体地说，为了模拟视觉上下文及其自适应功能，我们构建了图像上下文，在此基础上，我们模拟了上下文对过滤内核的影响。我们首先设计了一个层次聚类算法，生成一个由大到小的相干图像块组成的层次，组织成一个聚类树，从而获得多尺度的图像表示。叶簇和对应的前驱簇用于生成能够迎合图像变化的多个范围核中的一个。首先，我们设计了一个层次聚类框架，生成一个由大到小的相干图像块组成的层次聚类树，从而获得多尺度的图像表示，即，图像上下文。接下来，使用叶簇来生成多个内核中的一个，并且使用两个对应的前驱簇来微调所采用的内核。最终，BF中的单个空间不变核变为多个空间变化核。我们在两个公共数据集BSD300和BrainWeb上评估了MKF，这两个数据集分别添加了积分变化噪声和空间变化噪声。大量的实验表明，MKF优于最先进的过滤器w.r.t.都意味着绝对误差和结构相似性。
2019-12-23 cs.CV
Acceleration of the shiftable O(1) algorithm for bilateral filtering and non-local means
双边滤波器[1]的直接实现需要每个像素的O（σ_s^2）操作，其中σ_s是空间核的（有效）宽度。最近在[2]中提出了一种快速实现双边滤波器的方法，该方法对于σ_s每像素需要O（1）次运算。这是通过使用三角函数的双边滤波器的范围内核，并利用其所谓的移位属性。特别地，通过使用升余弦近似高斯距离核，实现了高斯双边滤波器的快速实现。后来，在[3]中证明了这个想法可以扩展到更大的一类滤波器，包括流行的非局部均值滤波器[4]。正如在[2]中已经观察到的，这种方法的另一面是运行时间取决于范围核的宽度σ_r。对于具有范围[0，T]内的（局部）强度变化的图像，运行时间缩放为O（T^2/σ^2_r），其中σ_r。这使得很难实现窄范围内核，特别是对于具有大动态范围的图像。本文讨论了这个问题，并提出了一些简单的步骤，以加快实现一般，特别是小σ_r。[1]C.托马西河林志光，“彩色影像之双向滤波”，国立成功大学计算机视觉研究所硕士论文，1998年。[2]K.N. Chaudhury，Daniel Sage，and M. Unser，“Fast O（1）bilateral filtering using trigonometric range kernels”，IEEE Transactions on图像处理，2011。[3]K.N. Chaudhury，“Constant-time filtering us…
2012-08-07 cs.CV cs.DC
An Image Based Technique for Enhancement of Underwater Images
Kuvempu University（库文普大学）
水下图像通常存在光照不均匀、对比度低、图像模糊、色彩减弱等问题。在本文中，我们提出了一种基于图像的预处理技术，以提高水下图像的质量。该技术包括四个滤波器的组合，如同态滤波，小波去噪，双边滤波和对比度均衡。这些滤波器依次应用于退化的水下图像。文献调查表明，基于图像的预处理算法使用标准的过滤器技术与各种组合。为了平滑图像，基于图像的预处理算法使用各向异性滤波器。与双边滤波器相比，各向异性滤波器的主要缺点是迭代性质和计算时间高。在所提出的技术中，除了其他三个滤波器，我们采用双边滤波器平滑图像。实验分两个阶段进行。在第一阶段，我们已经进行了各种实验上捕获的图像和估计的双边滤波器的最佳参数。同样，最佳滤波器组和最佳小波收缩函数估计小波去噪。在第二阶段，我们进行了实验，估计最佳参数，最佳滤波器组和最佳小波收缩函数评估所提出的技术。我们使用定量的标准，如梯度幅度直方图和峰值信噪比（PSNR）的技术进行评估。此外，基于边缘检测结果对结果进行定性评估。所提出的技术提高了水下图像的质量，并可以在应用计算机视觉技术之前使用。
2012-12-03 cs.CV
High-resolution LIDAR-based Depth Mapping using Bilateral Filter
University of Coimbra（科英布拉大学）；Institute of Systems and Robotics（系统与机器人研究所）
通过对来自3D-LIDAR的稀疏范围数据进行上采样而获得的高分辨率深度图在从感官感知到语义分割和目标检测的许多领域中找到应用。上采样通常基于组合来自单目相机的数据以补偿LIDAR的低分辨率。另一方面，本文介绍了一种新的框架，仅从单个LIDAR点云获得密集的深度图，这是一个几乎没有探索的研究方向。所提出的深度映射过程背后的公式依赖于局部空间插值，使用滑动窗口（掩模）技术，以及双边滤波器（BF），其中在插值问题中考虑了感兴趣的变量，即与传感器的距离。特别地，BF被方便地修改以执行深度图上采样，使得边缘（前景-背景不连续性）借助于影响基于范围的加权项的所提出的方法被更好地保留。空间上采样的其他方法进行了讨论，评估和比较，在不同的误差措施。本文还研究了掩模的大小在实现方法的性能中的作用。定量和定性的KITTI数据库上的实验结果，仅使用激光雷达点云，在这项工作中介绍的方法表现出非常令人满意的性能。
2016-06-17 cs.CV
BiHPF: Bilateral High-Pass Filters for Robust Deepfake Detection
Samsung SDS（三星SDS）；Chung-Ang University（中央大学）
许多生成模型的进步具有双重影响：简单而容易地生成逼真的合成图像，但也增加了恶意滥用这些图像的风险。因此，重要的是开发一个通用的检测器，用于任何GAN模型或对象类别的合成图像，包括那些在训练阶段看不见的图像。然而，传统的方法严重依赖于训练设置，这会导致在未知领域测试时性能急剧下降。为了解决这个问题并获得通用的检测能力，我们提出了双边高通滤波器（BiHPF），它放大了已知在生成模型的合成图像中发现的频率级伪影的影响。大量的实验结果验证了我们的方法优于其他国家的最先进的方法，即使在测试看不见的域。
2021-08-16 cs.CV cs.LG
Fast O(1) bilateral filtering using trigonometric range kernels
Princeton University（普林斯顿大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
众所周知，可以使用其复杂度不取决于滤波器的大小或形状的算法来实现空间平均（在空间或频域中）。这些快速算法在图像处理文献中通常被称为恒定时间或O（1）算法。与空间滤波器一起，边缘保留双边滤波器[Tomasi1998]涉及额外的范围内核。这用于将平均限制到强度类似于或接近于感兴趣像素的强度的那些邻域像素。范围核通过作用于像素强度来操作。这使得平均过程是非线性的并且是计算密集的，尤其是当空间滤波器较大时。在本文中，我们展示了如何利用O（1）平均算法实现双边滤波器在恒定的时间，通过使用三角范围内核。这是通过推广[Porikli 2008]中使用多项式范围内核的想法来完成的。三角函数核的类被证明是足够丰富的，允许标准高斯双边滤波器的近似。我们的方法的吸引人的特点是，对于固定数量的术语，使用三角函数核实现的近似质量远远优于[Porikli 2008]中使用多项式获得的近似质量。
2011-07-27 cs.CE cs.CV cs.DC
Ultra Low-Parameter Denoising: Trainable Bilateral Filter Layers in Computed Tomography
Friedrich-Alexander University Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）；Fraunhofer Institute for Ceramic Technologies and Systems IKTS（弗劳恩霍夫陶瓷技术与系统研究所（IKTS））；Leibniz Institute for Analytical Sciences ISAS（莱布尼茨分析科学研究所（ISAS））；University Hospital Erlangen（埃尔朗根大学医院）；Institute for Nanotechnology and Correlative Microscopy e.V. INAM（纳米技术与关联显微镜协会研究所（INAM））
计算机断层扫描被广泛用作一种成像工具，以显示具有表达性骨-软组织对比度的三维结构。然而，CT分辨率和辐射剂量是紧密纠缠在一起的，突出了低剂量CT与复杂的去噪算法相结合的重要性。大多数数据驱动的去噪技术都基于深度神经网络，因此包含数十万个可训练的参数，这使得它们难以理解，并且容易出现预测失败。开发可理解且强大的去噪算法，实现最先进的性能，有助于在保持数据完整性的同时最大限度地减少辐射剂量。本文提出了一种基于双边滤波思想的开放源代码CT去噪框架。我们提出了一种双边滤波器，可以将其纳入深度学习管道，并通过计算其超参数及其输入的梯度流以纯粹的数据驱动方式进行优化。在纯图像到图像的管道和跨不同的域，如原始探测器数据和重建的体积，使用可微反投影层，去噪，证明。虽然每个滤波器层仅使用三个空间参数和一个范围参数，但所提出的去噪管道可以与具有数十万个参数的深度最先进的去噪架构竞争。在SSIM和PSNR方面，在X射线显微镜骨骼数据（0.7053和33.10）和2016年低剂量CT Grand Challenge数据集（0.9674和43.07）上实现了具有竞争力的去噪性能。由于具有明确效果的可训练参数数量极低，与大多数其他基于深度学习的去噪架构相比，在拟议的管道中随时保证预测可靠性和数据完整性。
2022-01-25 cs.CV eess.IV
Trainable Joint Bilateral Filters for Enhanced Prediction Stability in Low-dose CT
Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃尔兰根-纽伦堡大学）
低剂量计算机断层扫描（CT）去噪算法旨在降低常规CT采集中的患者剂量，同时保持高图像质量。最近，引入了基于深度学习的方法，由于其高模型容量，在此任务上优于传统的去噪算法。然而，为了将基于DL的去噪过渡到临床实践，这些数据驱动的方法必须在看到的训练数据之外进行鲁棒推广。因此，我们提出了一种混合去噪方法，该方法由一组可训练的联合双边滤波器（JBF）与基于卷积DL的去噪网络相结合来预测指导图像。我们提出的去噪管道将基于DL的特征提取所实现的高模型容量与传统JBF的可靠性相结合。管道的泛化能力通过在没有金属植入物的腹部CT扫描上进行培训以及在有金属植入物的腹部扫描上进行测试以及在头部CT数据上进行测试来证明。当在我们的管道中嵌入两个成熟的基于DL的去噪器（RED-CNN/QAE）时，与各自的香草模型相比，$10\,\%$ / $82\,\%$（RMSE）和$3\,\%$ / $81\,\%$（PSNR）在包含金属的区域中以及$6\,\%$ / $78\,\%$（RMSE）和$2\,\%$ / $4\,\%$（PSNR）在头部CT数据上的去噪性能得到了改善。总之，所提出的可训练JBF限制了深度神经网络的误差范围，以促进基于DL的去噪器在低剂量CT管道中的适用性。
2022-07-15 cs.CV eess.IV
A combination of noise and bilateral filters achieve supralinear and scalable adversarial robustness in CNNs
Institute of Neuroinformatics ETH Zürich, University of Zürich（神经信息学研究所，苏黎世联邦理工学院，苏黎世大学）
本文提出结合高斯噪声和双边滤波的预处理方法，通过互补机制实现超线性对抗鲁棒性提升，并验证其与对抗训练结合后能以更低计算成本达到与最先进防御相当的性能。
2026-06-01 cs.CV cs.LG
Accelerated graph-based spectral polynomial filters
Mitsubishi Electric Research Labs (MERL)（三菱电机研究实验室（MERL））
基于图的谱去噪是使用噪声信号的图拉普拉斯矩阵的特征分解的低通滤波。多项式滤波通过投影到合适的Krylov子空间上避免了本征分解的昂贵计算。多项式滤波器可以基于，例如，在双向和引导滤波器上。我们建议通过运行灵活的基于Krylov子空间的线性和特征值求解器，如块局部最优预处理共轭梯度（LOBPCG）方法，构建加速多项式滤波器。
2015-09-08 cs.CV
Spectral Graph Cut from a Filtering Point of View
谱图理论在计算机视觉中得到了广泛的应用。在本文中，我们分析了基于谱图理论的图像分割算法，例如，归一化割，并表明基于谱图理论的图像分割和边缘保持滤波之间有着天然的联系。基于这种联系，我们表明，归一化切割算法是等效的双边滤波的重复迭代。然后，利用这个等价性，我们提出并实现了一个快速的归一化切割算法的图像分割。实验表明，我们的实现可以解决规范化切割算法中的原始优化问题的速度提高10到100倍。此外，我们提出了一种新的算法，称为条件归一化切割图像分割，可以很容易地将彩色图像补丁，并演示如何这个分割问题可以解决边缘保持滤波。
2016-11-08 cs.CV
Exploring Frequency Domain Interpretation of Convolutional Neural Networks
现有的许多卷积神经网络（CNN）解释方法主要在空间域进行分析，而频域模型的可解释性却很少研究。据我们所知，还没有从滤波器频率比例的角度对现代CNN进行解释的研究。在本文中，我们分析了第一层滤波器的频率特性，因为它是信息的入口，相对更便于分析。通过在训练阶段控制不同频率滤波器的比例，对网络的分类精度和模型鲁棒性进行了评估，结果表明，不同频率滤波器的比例对网络对常见的污染的鲁棒性有很大影响。此外，从频域角度提出了一种可学习的功率谱扰动频率比例调制方法。在CIFAR-10-C上的实验显示，ResNet-18的平均鲁棒性增益为10.97%，自然精度下降可以忽略不计。
2020-02-28 cs.CV
Semantic Network Interpretation
Brigham Young University（杨百翰大学）
网络解释作为一种揭示网络学习特征的努力，在很大程度上仍然是基于可视化的。在本文中，我们的目标是在过滤器和决策层处理语义网络解释。对于过滤器级的解释，我们表示的概念过滤器编码的视觉属性的概率分布。决策层的解释是通过文本摘要来实现的，文本摘要会生成一个解释性的句子，其中包含网络决策背后的线索。提出了一种贝叶斯推理算法，用于自动将过滤器和网络决策与视觉属性相关联。人类研究证实，语义解释是一个有益的替代或补充可视化方法。我们展示了语义网络解释在理解网络故障模式中的关键作用。更重要的是，语义网络解释可以更好地理解模型性能与其分布度量（如过滤器选择性和概念稀疏性）之间的相关性。
2021-11-19 cs.CV cs.LG
Accelerated graph-based nonlinear denoising filters
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；University of Bergen（卑尔根大学）
本文提出通过共轭梯度法和Nesterov加速技术加速图基非线性去噪滤波器，实验显示在图像去噪中效率提升2-12倍。
2016-04-13 cs.CV cs.NA math.NA
Interpretable Neural Network Decoupling
Xiamen University（厦门大学）；Peng Cheng Laboratory（鹏城实验室）；National University of Singapore（新加坡国立大学）；Beihang University（北京航空航天大学）；BestImage, Tencent Technology (Shanghai) Co.,Ltd（腾讯科技（上海）有限公司）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Inception Institute of Artificial Intelligence（起源人工智能研究院）
卷积神经网络（CNN）的卓越性能与其大量不可解释的参数纠缠在一起，这已成为限制其充分发挥潜力的瓶颈。对于网络的解释，以往的研究主要采用单一的过滤器分析，但忽略了过滤器之间的关系。在本文中，我们提出了一种新的架构解耦方法来解释网络的角度调查其计算路径。更具体地说，我们在每一层中引入了一个新的架构控制模块，通过一个向量对网络架构进行编码。通过最大化矢量和输入图像之间的互信息，该模块被训练为选择特定的滤波器来提取每个输入的唯一计算路径。此外，为了提高解耦合网络的可解释性和紧凑性，对每一层的输出进行编码，以将结构编码向量与稀疏正则化约束对齐。与传统的像素级或过滤器级网络解释方法不同，我们提出了一种路径级分析，以探索过滤器和语义概念的组合之间的关系，这更适合于解释解耦网络的工作原理。大量的实验表明，解耦网络实现了几个应用，即，网络解释、网络加速和对抗性样本检测。
2020-08-25 cs.CV
