論文の概要: Temporal Spatial-Adaptive Interpolation with Deformable Refinement for Electron Microscopic Images

• arxiv url: http://arxiv.org/abs/2101.06771v1
• Date: Sun, 17 Jan 2021 20:22:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-27 20:15:27.992778
• Title: Temporal Spatial-Adaptive Interpolation with Deformable Refinement for Electron Microscopic Images
• Title（参考訳）: 変形可能な微細化による電顕画像の時空間適応補間
• Authors: Zejin Wang, Guodong Sun, Lina Zhang, Guoqing Li, Hua Han
• Abstract要約: 既存の電子顕微鏡像は不安定な画像品質、低psnr、無秩序な変形に苦しむ。 補間された特徴を粗い方法で徐々に合成するEM画像のための新しいフレームワークを提案する。 実験の結果,従来の手法に比べて優れた性能が得られた。
• 参考スコア（独自算出の注目度）: 10.26899472047613
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, flow-based methods have achieved promising success in video frame interpolation. However, electron microscopic (EM) images suffer from unstable image quality, low PSNR, and disorderly deformation. Existing flow-based interpolation methods cannot precisely compute optical flow for EM images since only predicting each position's unique offset. To overcome these problems, we propose a novel interpolation framework for EM images that progressively synthesizes interpolated features in a coarse-to-fine manner. First, we extract missing intermediate features by the proposed temporal spatial-adaptive (TSA) interpolation module. The TSA interpolation module aggregates temporal contexts and then adaptively samples the spatial-related features with the proposed residual spatial adaptive block. Second, we introduce a stacked deformable refinement block (SDRB) further enhance the reconstruction quality, which is aware of the matching positions and relevant features from input frames with the feedback mechanism. Experimental results demonstrate the superior performance of our approach compared to previous works, both quantitatively and qualitatively.
• Abstract（参考訳）: 近年,フローベース手法はビデオフレーム補間において有望な成功を収めている。 しかし、電子顕微鏡(EM)画像は、不安定な画質、低いPSNR、無秩序な変形に悩まされている。 既存の流れに基づく補間法は、各位置のユニークなオフセットを予測できるため、em画像の光学的流れを正確に計算することはできない。 これらの課題を克服するため,我々は,補間特徴を粗い方法で段階的に合成するem画像用補間フレームワークを提案する。 まず,時間空間適応型補間モジュール(TSA)による中間的特徴の欠落を抽出する。 TSA補間モジュールは時間的文脈を集約し、提案した空間適応ブロックを用いて空間的特徴を適応的にサンプリングする。 第2に,重畳変形可能な改良ブロック(SDRB)を導入し,入力フレームの整合位置と関連する特徴をフィードバック機構で認識し,再構成品質をさらに向上する。 実験の結果,従来の研究と比較して,定量的にも定性的にも,アプローチの優れた性能を示した。

関連論文リスト

• Empowering Snapshot Compressive Imaging: Spatial-Spectral State Space Model with Across-Scanning and Local Enhancement [51.557804095896174]
  AsLE-SSMという,グローバルな局所的バランスの取れたコンテキストエンコーディングとチャネル間相互作用の促進に空間スペクトルSSMを用いる状態空間モデルを導入する。 実験の結果,ASLE-SSMは既存の最先端手法よりも優れており,推定速度はTransformerベースのMSTより2.4倍速く,パラメータの0.12(M)を節約できることがわかった。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• Deformable Feature Alignment and Refinement for Moving Infrared Dim-small Target Detection [17.765101100010224]
  本稿では,変形可能なコンボリューションに基づく変形可能な特徴アライメント・リファインメント(DFAR)手法を提案する。 提案手法はDAUBとIRDSTを含む2つのベンチマークデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-07-10T00:42:25Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Motion-Aware Video Frame Interpolation [49.49668436390514]
  我々は、連続するフレームから中間光の流れを直接推定する動き対応ビデオフレーム補間(MA-VFI)ネットワークを導入する。 受容場が異なる入力フレームからグローバルな意味関係と空間的詳細を抽出するだけでなく、必要な計算コストと複雑さを効果的に削減する。
  論文  参考訳（メタデータ） (2024-02-05T11:00:14Z)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• Support Vector Machine Guided Reproducing Kernel Particle Method for Image-Based Modeling of Microstructures [1.2163458046014015]
  提案手法は,SVM(Support Vector Machine)分類によって導かれる。 界面修正再生カーネル粒子法(IM-RKPM)は材料界面の弱い不連続性を適切に近似するために提案される。
  論文  参考訳（メタデータ） (2023-05-23T19:00:09Z)
• Meta-Interpolation: Time-Arbitrary Frame Interpolation via Dual Meta-Learning [65.85319901760478]
  我々はメタ学習の助けを借りて、適応的に生成された畳み込みカーネルで異なる時間ステップを統一的に処理することを検討する。 我々は、コンテキスト情報と光フローのガイダンスを用いて、中間フレームを合成するデュアルメタ学習フレームフレームワークを開発した。
  論文  参考訳（メタデータ） (2022-07-27T17:36:23Z)
• Neural UpFlow: A Scene Flow Learning Approach to Increase the Apparent Resolution of Particle-Based Liquids [0.6882042556551611]
  本稿では,深層ニューラルネットワークを用いたシーンフロー推定に基づく高分解能液体の生成手法を提案する。 本手法は, 低分解能粒子ベース液体シミュレーションのみで, 小型・大規模の細部を推測, 合成する。
  論文  参考訳（メタデータ） (2021-06-09T15:36:23Z)
• Weighted Encoding Based Image Interpolation With Nonlocal Linear Regression Model [8.013127492678272]
  超高解像度画像では、低解像度画像は、ぼやけやノイズを伴わずに、その高解像度画像から直接ダウンサンプリングされる。 この問題に対処するために,スパース表現に基づく新しい画像モデルを提案する。 クラスタリングではなく、オンラインの適応サブ辞書を学習するための新しいアプローチ。
  論文  参考訳（メタデータ） (2020-03-04T03:20:21Z)
• Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
  そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。 提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2020-02-21T05:19:10Z)

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。