論文の概要: Image Separation with Side Information: A Connected Auto-Encoders Based
Approach
- arxiv url: http://arxiv.org/abs/2009.07889v1
- Date: Wed, 16 Sep 2020 18:39:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 00:41:04.494228
- Title: Image Separation with Side Information: A Connected Auto-Encoders Based
Approach
- Title（参考訳）: サイド情報を用いた画像分離:コネクテッドオートエンコーダに基づくアプローチ
- Authors: Wei Pu, Barak Sober, Nathan Daly, Zahra Sabetsarvestani, Catherine
Higgitt, Ingrid Daubechies, and Miguel R.D. Rodrigues
- Abstract要約: 両面画像のX線画像から混合X線画像を分離する問題に対処する。
本稿では,混合X線画像を両面に対応する2つの模擬X線画像に分離する「接続型」オートエンコーダに基づくニューラルニューラルネットワークアーキテクチャを提案する。
これらの実験により, 提案手法は, 最先端のX線画像分離法よりも高い性能を示した。
- 参考スコア（独自算出の注目度）: 18.18248997032482
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: X-radiography (X-ray imaging) is a widely used imaging technique in art
investigation. It can provide information about the condition of a painting as
well as insights into an artist's techniques and working methods, often
revealing hidden information invisible to the naked eye. In this paper, we deal
with the problem of separating mixed X-ray images originating from the
radiography of double-sided paintings. Using the visible color images (RGB
images) from each side of the painting, we propose a new Neural Network
architecture, based upon 'connected' auto-encoders, designed to separate the
mixed X-ray image into two simulated X-ray images corresponding to each side.
In this proposed architecture, the convolutional auto encoders extract features
from the RGB images. These features are then used to (1) reproduce both of the
original RGB images, (2) reconstruct the hypothetical separated X-ray images,
and (3) regenerate the mixed X-ray image. The algorithm operates in a totally
self-supervised fashion without requiring a sample set that contains both the
mixed X-ray images and the separated ones. The methodology was tested on images
from the double-sided wing panels of the \textsl{Ghent Altarpiece}, painted in
1432 by the brothers Hubert and Jan van Eyck. These tests show that the
proposed approach outperforms other state-of-the-art X-ray image separation
methods for art investigation applications.
- Abstract（参考訳）: X線撮影 (X-ray imaging) は, 画像解析において広く用いられている技術である。
絵画の状態に関する情報や、芸術家の技法や作業方法に関する洞察を提供し、裸眼で見えない隠された情報を明らかにすることができる。
本稿では,両面絵画のx線撮影から得られた混合x線像を分離する問題に対処する。
本研究では,絵の両面からの可視色画像(rgb画像)を用いて,混合x線画像を各面に対応する2つのシミュレーションx線画像に分離する「連結」オートエンコーダに基づく新しいニューラルネットワークアーキテクチャを提案する。
このアーキテクチャでは、畳み込みオートエンコーダがRGB画像から特徴を抽出する。
これらの特徴は、(1)原型rgb画像の再生、(2)仮説的な分離x線画像の再構成、(3)混合x線画像の再生に使用される。
このアルゴリズムは、混合X線画像と分離X線画像の両方を含むサンプルセットを必要とせずに、完全に自己監督的に動作する。
この手法は1432年にユベールとヤン・ファン・エイク兄弟によって描かれた『textsl{Ghent Altarpiece}』の両面の翼パネルの画像でテストされた。
これらの実験により, 提案手法は, 最先端のX線画像分離法よりも高い性能を示した。
関連論文リスト
- RayEmb: Arbitrary Landmark Detection in X-Ray Images Using Ray Embedding Subspace [0.7937206070844555]
術前CTによるX線画像の術中2D-3D記録は整形外科手術において極めて重要である。
本稿では,X線画像中の任意のランドマーク点を検出することで,この問題に対処する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-10-10T17:36:21Z) - Coarse-Fine View Attention Alignment-Based GAN for CT Reconstruction from Biplanar X-Rays [22.136553745483305]
本稿では,両平面ビューから抽出した特徴を組み合わせるために,新しい注目インフォームド粗視視融合法を提案する。
提案手法がSOTA法よりも優れていることを示す実験を行った。
論文 参考訳（メタデータ） (2024-08-19T06:57:07Z) - Multi-view X-ray Image Synthesis with Multiple Domain Disentanglement from CT Scans [10.72672892416061]
過剰投与されたX線は、ある程度人間の健康への潜在的なリスクを重畳する。
ボリュームスキャンからX線画像へのデータ駆動アルゴリズムは、ペア化されたX線とボリュームデータの不足によって制限される。
我々は,3つの異なる画像領域からのコンテンツとスタイルのゆがみを利用して,X線画像をエンドツーエンドに合成するCT2X-GANを提案する。
論文 参考訳（メタデータ） (2024-04-18T04:25:56Z) - Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。
我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
論文 参考訳（メタデータ） (2023-04-02T10:25:09Z) - Stereo X-ray Tomography [0.0]
X線トモグラフィーは強力な技術であるが、詳細な3Dイメージングでは多数の個々のX線画像を取得する必要がある。
本稿では,立体視にインスパイアされた2つのX線投影画像で動作するX線イメージング法を提案する。
論文 参考訳（メタデータ） (2023-02-26T02:20:18Z) - Detecting Recolored Image by Spatial Correlation [60.08643417333974]
画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。
本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。
提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
論文 参考訳（メタデータ） (2022-04-23T01:54:06Z) - Enhancement of Novel View Synthesis Using Omnidirectional Image
Completion [61.78187618370681]
ニューラルレイディアンス場(NeRF)に基づく1枚の360度RGB-D画像から新しいビューを合成する方法を提案する。
実験により,提案手法は実世界と実世界の両方でシーンの特徴を保ちながら,可塑性な新規なビューを合成できることが実証された。
論文 参考訳（メタデータ） (2022-03-18T13:49:25Z) - Mixed X-Ray Image Separation for Artworks with Concealed Designs [32.83098605051855]
本稿では,これらの絵画のX線画像に適用可能な,自己教師付き深層学習に基づく画像分離手法を提案する。
これらの再構成された画像の1つは、隠された絵画のX線画像と関連しており、もう1つは、可視な絵画のX線に関する情報のみを含む。
提案手法は,フランシスコ・デ・ゴヤによる隠された内容のドナ・イザベル・ド・ポルセル(Dona Isabel de Porcel)に実画を展示し,その効果を示した。
論文 参考訳（メタデータ） (2022-01-23T03:20:35Z) - Cross-Modal Contrastive Learning for Abnormality Classification and
Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。
まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。
放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
論文 参考訳（メタデータ） (2021-04-11T09:16:29Z) - XraySyn: Realistic View Synthesis From a Single Radiograph Through CT
Priors [118.27130593216096]
放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。
私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。
本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
論文 参考訳（メタデータ） (2020-12-04T05:08:53Z) - From Perspective X-ray Imaging to Parallax-Robust Orthographic Stitching [47.44626333193997]
本研究では、フーリエスライス定理を利用してパララックスフリー領域における多重伝送画像からの情報を集約する。
縫合画像のセマンティクスは、周波数を中心に設計された類似度を利用した新しい深層学習戦略を用いて復元される。
我々のパイプラインは、画像の縫合だけでなく、2次元画像平面上で、臨床的に関係のある量の計量測定を可能にするホログラフィック再構成も提供する。
論文 参考訳（メタデータ） (2020-03-05T23:16:48Z)
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。