論文の概要: A Characteristic Function-based Algorithm for Geodesic Active Contours

• arxiv url: http://arxiv.org/abs/2007.00525v2
• Date: Fri, 7 May 2021 14:35:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 23:56:25.294447
• Title: A Characteristic Function-based Algorithm for Geodesic Active Contours
• Title（参考訳）: 測地能動輪郭に対する特徴関数に基づくアルゴリズム
• Authors: Jun Ma, Dong Wang, Xiao-Ping Wang, Xiaoping Yang
• Abstract要約: 本稿では,特徴関数を用いてその輪郭を暗黙的に表現し,測地線のアクティブな輪郭に新たな表現を提案する。 反復畳み込み保持法(ICTM)と呼ばれる効率的なアルゴリズムを導出する。 さらに、ICTMはレベルセットベースの手法の最も望ましい特徴を享受している。
• 参考スコア（独自算出の注目度）: 22.261573913658175
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Active contour models have been widely used in image segmentation, and the level set method (LSM) is the most popular approach for solving the models, via implicitly representing the contour by a level set function. However, the LSM suffers from high computational burden and numerical instability, requiring additional regularization terms or re-initialization techniques. In this paper, we use characteristic functions to implicitly represent the contours, propose a new representation to the geodesic active contours and derive an efficient algorithm termed as the iterative convolution-thresholding method (ICTM). Compared to the LSM, the ICTM is simpler and much more efficient. In addition, the ICTM enjoys most desired features of the level set-based methods. Extensive experiments, on 2D synthetic, 2D ultrasound, 3D CT, and 3D MR images for nodule, organ and lesion segmentation, demonstrate that the proposed method not only obtains comparable or even better segmentation results (compared to the LSM) but also achieves significant acceleration.
• Abstract（参考訳）: 画像セグメンテーションではアクティブな輪郭モデルが広く用いられており、レベルセット法(LSM)は、レベルセット関数によって輪郭を暗黙的に表現することで、モデルを解くための最も一般的な手法である。 しかし、LSMは高い計算負担と数値不安定に悩まされ、さらなる正規化条件や再初期化技術が必要になる。 本稿では,特徴関数を用いて輪郭を暗黙的に表現し,測地活動輪郭に対する新しい表現を提案し,反復的畳み込み保持法(ICTM)と呼ばれる効率的なアルゴリズムを導出する。 LSMと比較すると、ICTMはよりシンプルで効率的である。 さらに、ICTMはレベルセットベースの手法の最も望ましい特徴を享受している。 2D 合成, 2D 超音波, 3D CT, 3D MR 画像による結節, 臓器, 病変のセグメンテーションに関する大規模な実験により, 提案手法は, 同等あるいはそれ以上のセグメンテーション結果(LSMとの比較)を得るだけでなく, 大幅な加速も達成できることを示した。

関連論文リスト

• LeRF: Learning Resampling Function for Adaptive and Efficient Image Interpolation [64.34935748707673]
  最近のディープニューラルネットワーク(DNN)は、学習データ前処理を導入することで、パフォーマンスを著しく向上させた。 本稿では,DNNが学習した構造的前提と局所的連続仮定の両方を活かした学習再サンプリング(Learning Resampling, LeRF)を提案する。 LeRFは空間的に異なる再サンプリング関数を入力画像ピクセルに割り当て、ニューラルネットワークを用いてこれらの再サンプリング関数の形状を予測する。
  論文  参考訳（メタデータ） (2024-07-13T16:09:45Z)
• Deep Convolutional Neural Networks Meet Variational Shape Compactness Priors for Image Segmentation [7.314877483509877]
  形状コンパクト性は、多くの画像分割タスクにおいて興味深い領域を記述するための重要な幾何学的性質である。 そこで本稿では,従来の形状特徴を取り入れた画像分割問題を解くために,新しい2つのアルゴリズムを提案する。 提案アルゴリズムは、ノイズの多い画像データセット上で20%のトレーニングをすることで、IoUを大幅に改善する。
  論文  参考訳（メタデータ） (2024-05-23T11:05:35Z)
• Hyperparameter Estimation for Sparse Bayesian Learning Models [1.0172874946490507]
  Aparse Bayesian Learning (SBL) モデルは、信号処理や機械学習において、階層的な事前処理による疎結合を促進するために広く使われている。 本稿では,種々の目的関数に対するSBLモデルの改良のためのフレームワークを提案する。 信号雑音比において, 高い効率性を示す新しいアルゴリズムが導入された。
  論文  参考訳（メタデータ） (2024-01-04T21:24:01Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• DEMAND: Deep Matrix Approximately NonlinearDecomposition to Identify Meta, Canonical, and Sub-Spatial Pattern of functional Magnetic Resonance Imaging in the Human Brain [8.93274096260726]
  本研究では,SDL(Sparse Dictionary Learning)やDNN(Deep Neural Networks)といった浅い線形モデルを活用するために,Deep A roughly Decomposition(DEMAND)という新しい非線形行列分解法を提案する。 DEMANDは、人間の脳の再現可能な代謝、正準的、および部分空間的特徴を、他の仲間の方法論よりも効率的に明らかにすることができる。
  論文  参考訳（メタデータ） (2022-05-20T15:55:01Z)
• An Active Contour Model with Local Variance Force Term and Its Efficient Minimization Solver for Multi-phase Image Segmentation [2.935661780430872]
  多相画像分割問題に適用可能な局所分散力(LVF)項を持つ能動輪郭モデルを提案する。 LVFでは,ノイズのある画像のセグメンテーションに非常に効果的である。
  論文  参考訳（メタデータ） (2022-03-17T02:32:30Z)
• Learning A 3D-CNN and Transformer Prior for Hyperspectral Image Super-Resolution [80.93870349019332]
  本稿では,CNN の代わりに Transformer を用いて HSI の事前学習を行う新しい HSISR 手法を提案する。 具体的には、まず勾配アルゴリズムを用いてHSISRモデルを解き、次に展開ネットワークを用いて反復解過程をシミュレートする。
  論文  参考訳（メタデータ） (2021-11-27T15:38:57Z)
• Efficient Semantic Image Synthesis via Class-Adaptive Normalization [116.63715955932174]
  クラス適応正規化(CLADE)は、セマンティッククラスにのみ適応する軽量かつ等価なバリアントである。 セマンティクスレイアウトから計算したクラス内位置マップエンコーディングを導入し,cladeの正規化パラメータを変調する。 提案されたCLADEは異なるSPADEベースのメソッドに一般化し、SPADEと比較して同等の生成品質を達成できる。
  論文  参考訳（メタデータ） (2020-12-08T18:59:32Z)
• On the spatial attention in Spatio-Temporal Graph Convolutional Networks for skeleton-based human action recognition [97.14064057840089]
  カルチャーネットワーク(GCN)は、スケルトンをグラフとしてモデル化することで、スケルトンに基づく人間の行動認識の性能を約束する。 最近提案されたG時間に基づく手法のほとんどは、ネットワークの各層におけるグラフ構造を学習することで、性能を向上させる。
  論文  参考訳（メタデータ） (2020-11-07T19:03:04Z)
• A Novel Fast 3D Single Image Super-Resolution Algorithm [8.922669577341225]
  本稿では,3次元画像超解像(SR)問題を解く新しい計算効率の手法を提案する。 主な貢献は、関連するデシメーションと演算子を同時に扱う元の方法にある。 提案した3次元デシメーション演算子の分解技術は、Tikhonov正則化の簡単な実装を可能にする。
  論文  参考訳（メタデータ） (2020-10-29T11:23:28Z)
• Spatial-Spectral Residual Network for Hyperspectral Image Super-Resolution [82.1739023587565]
  ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。 提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。 各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
  論文  参考訳（メタデータ） (2020-01-14T03:34:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。