Fugu-MT 論文翻訳(概要): Generative Adversarial Networks for Automatic Polyp Segmentation

論文の概要: Generative Adversarial Networks for Automatic Polyp Segmentation

arxiv url: http://arxiv.org/abs/2012.06771v1
Date: Sat, 12 Dec 2020 09:48:08 GMT
ステータス: 処理完了
システム内更新日: 2021-05-10 08:38:21.375986
Title: Generative Adversarial Networks for Automatic Polyp Segmentation
Title（参考訳）: 自動ポリープセグメンテーションのための生成逆ネットワーク
Authors: Awadelrahman M. A. Ali Ahmed (University of Oslo)
Abstract要約: 条件生成対向ネットワークを用いて、画像によって条件付けられたマスクを入力として生成する。このモデルはJaccardインデックスで0.4382、F2スコアで0.611を達成した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper aims to contribute in bench-marking the automatic polyp segmentation problem using generative adversarial networks framework. Perceiving the problem as an image-to-image translation task, conditional generative adversarial networks are utilized to generate masks conditioned by the images as inputs. Both generator and discriminator are convolution neural networks based. The model achieved 0.4382 on Jaccard index and 0.611 as F2 score.
Abstract（参考訳）: 本稿では, 自動ポリプセグメンテーション問題のベンチマーキングに, 生成逆ネットワークフレームワークを用いて貢献することを目的とする。画像から画像への変換タスクとして問題を認識し、条件生成対向ネットワークを用いて、画像によって条件付けられたマスクを入力として生成する。ジェネレータと判別器はどちらも畳み込みニューラルネットワークである。このモデルはジャカード指数0.4382、F2スコア0.611を達成した。

関連論文リスト

SyntStereo2Real: Edge-Aware GAN for Remote Sensing Image-to-Image Translation while Maintaining Stereo Constraint [1.8749305679160366]
現在の手法では、2つのネットワーク、未ペア画像間翻訳ネットワークとステレオマッチングネットワークを組み合わせている。両タスクを同時に処理するエッジ対応のGANネットワークを提案する。我々は,既存のモデルよりも定性的かつ定量的に優れた結果が得られ,その適用性は多様な領域にまで及んでいることを実証した。
論文参考訳（メタデータ） (2024-04-14T14:58:52Z)
Generative Network Layer for Communication Systems with Artificial Intelligence [34.67962234401005]
本稿では,中間ノードやエッジノードで生成AI(GenAI)を利用する生成ネットワーク層を提案する。我々はGenAI支援ノードが実質的に圧縮された潜在表現からなるプロンプトから画像を生成するケーススタディを行う。
論文参考訳（メタデータ） (2023-12-08T22:41:07Z)
Image segmentation with traveling waves in an exactly solvable recurrent neural network [71.74150501418039]
繰り返しニューラルネットワークは、シーンの構造特性に応じて、画像をグループに効果的に分割できることを示す。本稿では,このネットワークにおけるオブジェクトセグメンテーションのメカニズムを正確に記述する。次に、グレースケール画像中の単純な幾何学的対象から自然画像まで、入力をまたいで一般化するオブジェクトセグメンテーションの簡単なアルゴリズムを実証する。
論文参考訳（メタデータ） (2023-11-28T16:46:44Z)
Mutual-Guided Dynamic Network for Image Fusion [51.615598671899335]
画像融合のための新しい相互誘導動的ネットワーク(MGDN)を提案する。 5つのベンチマークデータセットによる実験結果から,提案手法は4つの画像融合タスクにおいて既存手法よりも優れていることが示された。
論文参考訳（メタデータ） (2023-08-24T03:50:37Z)
EGC: Image Generation and Classification via a Diffusion Energy-Based Model [59.591755258395594]
この研究は、エネルギーベースの分類器とジェネレータ、すなわちEMCを導入し、単一のニューラルネットワークを使用して両方のタスクで優れたパフォーマンスを実現する。 EGCはImageNet-1k、CelebA-HQ、LSUN Churchの最先端アプローチと比較して、競争力のある生成結果を達成している。この研究は、ネットワークパラメータの単一セットを使用して両方のタスクを同時に実行しようとする最初の試みである。
論文参考訳（メタデータ） (2023-04-04T17:59:14Z)
Retinal Image Restoration using Transformer and Cycle-Consistent Generative Adversarial Network [0.7868449549351486]
医療画像は様々な疾患の検出と治療に重要な役割を果たしている。視覚変換器と畳み込みニューラルネットワークを用いた網膜画像強調手法を提案する。
論文参考訳（メタデータ） (2023-03-03T14:10:47Z)
Traditional Classification Neural Networks are Good Generators: They are Competitive with DDPMs and GANs [104.72108627191041]
従来のニューラルネットワーク分類器は、最先端の生成モデルに匹敵する高品質な画像を生成することができることを示す。マスクをベースとした再構成モジュールを提案し, 意味的勾配を意識し, 可視画像の合成を行う。また,本手法は,画像テキスト基盤モデルに関して,テキスト・画像生成にも適用可能であることを示す。
論文参考訳（メタデータ） (2022-11-27T11:25:35Z)
Explainable Medical Image Segmentation via Generative Adversarial Networks and Layer-wise Relevance Propagation [0.0]
本稿では, 内視鏡画像中のポリープと楽器の両方を識別するために, 生成的対向ネットワークモデルを提案することにより, 医用画像分割の自動化に寄与する。本研究の主な貢献は,どの入力画像画素が予測に関連があるかを指定するレイヤワイド・レバレンス・プロポーザル・アプローチを用いて,予測に関する説明を提供することである。
論文参考訳（メタデータ） (2021-11-02T15:22:28Z)
Guiding GANs: How to control non-conditional pre-trained GANs for conditional image generation [69.10717733870575]
本稿では,汎用非条件GANを条件GANとして振る舞うための新しい方法を提案する。提案手法は,非条件GANのジェネレータネットワークに供給される高次元ランダム入力を生成するために,エンコーダネットワークを混合するものである。
論文参考訳（メタデータ） (2021-01-04T14:03:32Z)
Neural Cellular Automata Manifold [84.08170531451006]
ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
論文参考訳（メタデータ） (2020-06-22T11:41:57Z)
Lesion Conditional Image Generation for Improved Segmentation of Intracranial Hemorrhage from CT Images [0.0]
データ拡張のためのCT画像を生成するために,病変条件付きジェネレーティブ・アドバイサル・ネットワークLcGANを提案する。病変条件画像(segmented mask)は、訓練中にジェネレータとLcGANの判別器の両方に入力される。完全畳み込みネットワーク(FCN)スコアと曖昧さを用いて画像の品質を定量化する。
論文参考訳（メタデータ） (2020-03-30T23:32:54Z)

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。