Fugu-MT 論文翻訳(概要): Equivariant Imaging: Learning Beyond the Range Space

論文の概要: Equivariant Imaging: Learning Beyond the Range Space

arxiv url: http://arxiv.org/abs/2103.14756v1
Date: Fri, 26 Mar 2021 22:38:36 GMT
ステータス: 処理完了
システム内更新日: 2021-03-30 14:35:09.769877
Title: Equivariant Imaging: Learning Beyond the Range Space
Title（参考訳）: Equivariant Imaging: レンジ空間を超えて学ぶ
Authors: Dongdong Chen, Juli\'an Tachella, Mike E. Davies
Abstract要約: 様々な画像問題において、基礎となる信号の圧縮測定のみにアクセスできる。この制限を克服する新しいエンドツーエンドの自己管理フレームワークを提案する。提案する学習戦略は,完全教師付き手法と同様に機能する。
参考スコア（独自算出の注目度）: 20.21997582090349
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In various imaging problems, we only have access to compressed measurements of the underlying signals, hindering most learning-based strategies which usually require pairs of signals and associated measurements for training. Learning only from compressed measurements is impossible in general, as the compressed observations do not contain information outside the range of the forward sensing operator. We propose a new end-to-end self-supervised framework that overcomes this limitation by exploiting the equivariances present in natural signals. Our proposed learning strategy performs as well as fully supervised methods. Experiments demonstrate the potential of this framework on inverse problems including sparse-view X-ray computed tomography on real clinical data and image inpainting on natural images. Code will be released.
Abstract（参考訳）: 様々な画像問題において、基礎となる信号の圧縮された測定にのみアクセスでき、通常はペアの信号と関連する測定を必要とする学習ベースの戦略を阻害する。圧縮計測からのみ学習することは一般的に不可能であり、圧縮観測は前方センシングオペレータの範囲外の情報を含んでいない。本稿では,この制限を克服し,自然信号の等価性を利用したエンドツーエンドの自己組織化フレームワークを提案する。提案する学習戦略は,完全教師付き手法と同様に機能する。このフレームワークは, 臨床データに対するスパースビューX線CTや, 自然画像への画像塗布など, 逆問題に対する可能性を示す。コードはリリースされる。

関連論文リスト

Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
Self-Supervised Learning for Image Super-Resolution and Deblurring [9.587978273085296]
近年, 自己監督法は, 様々な画像逆問題において, 教師付き法と同程度に有効であることが証明されている。本稿では,多くの画像分布が大まかにスケール不変であるという事実を活用する,新たな自己教師型アプローチを提案する。提案手法が他の自己教師型手法より優れていることを示す実データセットに関する一連の実験を行った。
論文参考訳（メタデータ） (2023-12-18T14:30:54Z)
Free-ATM: Exploring Unsupervised Learning on Diffusion-Generated Images with Free Attention Masks [64.67735676127208]
テキストと画像の拡散モデルは、画像認識の恩恵を受ける大きな可能性を示している。有望ではあるが、拡散生成画像の教師なし学習に特化した調査は不十分である。上記フリーアテンションマスクをフル活用することで、カスタマイズされたソリューションを導入する。
論文参考訳（メタデータ） (2023-08-13T10:07:46Z)
Compressed Sensing MRI Reconstruction Regularized by VAEs with Structured Image Covariance [7.544757765701024]
本稿では, 逆問題に先立って, 地動画像に基づいて学習した生成モデルをどのように利用することができるかを検討する。可変オートエンコーダ(VAE)を用いて、画像だけでなく、各画像に対する共分散不確実性行列を生成する。提案した学習規則化手法を,他の学習規則化手法や教師なし,教師なしのディープラーニング手法と比較した。
論文参考訳（メタデータ） (2022-10-26T09:51:49Z)
Intelligent Masking: Deep Q-Learning for Context Encoding in Medical Image Analysis [48.02011627390706]
我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-03-25T19:05:06Z)
Semi-supervised Contrastive Learning for Label-efficient Medical Image Segmentation [11.935891325600952]
そこで本研究では,限定的な画素単位のアノテーションを利用して,同じラベルの画素を埋め込み空間に集めるために,教師付き局所的コントラスト損失を提案する。ラベル付きデータの量が異なるため、我々の手法は、最先端のコントラストベースの手法や他の半教師付き学習技術よりも一貫して優れている。
論文参考訳（メタデータ） (2021-09-15T16:23:48Z)
Graph Neural Networks for UnsupervisedDomain Adaptation of Histopathological ImageAnalytics [22.04114134677181]
組織像解析のための教師なし領域適応のための新しい手法を提案する。特徴空間に画像を埋め込むバックボーンと、ラベルで画像の監視信号をプロパゲートするグラフニューラルネットワーク層に基づいている。実験では、4つの公開データセット上での最先端のパフォーマンスを評価する。
論文参考訳（メタデータ） (2020-08-21T04:53:44Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)
Towards Unsupervised Learning for Instrument Segmentation in Robotic Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
論文参考訳（メタデータ） (2020-07-09T01:39:39Z)
Compressive sensing with un-trained neural networks: Gradient descent finds the smoothest approximation [60.80172153614544]
訓練されていない畳み込みニューラルネットワークは、画像の回復と復元に非常に成功したツールとして登場した。トレーニングされていない畳み込みニューラルネットワークは、ほぼ最小限のランダムな測定値から、十分に構造化された信号や画像を概ね再構成可能であることを示す。
論文参考訳（メタデータ） (2020-05-07T15:57:25Z)

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。