論文の概要: A Frequency Domain Constraint for Synthetic X-ray Image Super Resolution
- arxiv url: http://arxiv.org/abs/2105.06887v1
- Date: Fri, 14 May 2021 15:17:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 12:48:21.015118
- Title: A Frequency Domain Constraint for Synthetic X-ray Image Super Resolution
- Title（参考訳）: 合成X線画像超解像のための周波数領域制約
- Authors: Qing Ma, Jae Chul Koh, WonSook Lee
- Abstract要約: 周波数領域付きテクスチャトランススーパーリゾリューション(TTSR-FD)を提案します。
これにより、リアルタイム合成x線画像誘導手順vrシミュレーションシステムが可能になる。
- 参考スコア（独自算出の注目度）: 2.1657233221571044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Synthetic X-ray images can be helpful for image guiding systems and VR
simulations. However, it is difficult to produce high-quality arbitrary view
synthetic X-ray images in real-time due to limited CT scanning resolution, high
computation resource demand or algorithm complexity. Our goal is to generate
high-resolution synthetic X-ray images in real-time by upsampling
low-resolution im-ages. Reference-based Super Resolution (RefSR) has been well
studied in recent years and has been proven to be more powerful than
traditional Single Image Su-per-Resolution (SISR). RefSR can produce fine
details by utilizing the reference image but it still inevitably generates some
artifacts and noise. In this paper, we propose texture transformer
super-resolution with frequency domain (TTSR-FD). We introduce frequency domain
loss as a constraint to further improve the quality of the RefSR results with
fine details and without obvious artifacts. This makes a real-time synthetic
X-ray image-guided procedure VR simulation system possible. To the best of our
knowledge, this is the first paper utilizing the frequency domain as part of
the loss functions in the field of super-resolution. We evaluated TTSR-FD on
our synthetic X-ray image dataset and achieved state-of-the-art results.
- Abstract（参考訳）: 合成X線画像は、画像案内システムやVRシミュレーションに有用である。
しかし,ctスキャン解像度の制限,計算資源需要の増大,アルゴリズムの複雑さなどにより,高品質な任意画像合成x線画像のリアルタイム作成は困難である。
我々の目標は、低解像度のim-ageをアップサンプリングすることで、高分解能の合成x線画像をリアルタイムに生成することである。
参照ベーススーパーレゾリューション(RefSR)は近年よく研究されており、従来のSingle Image Su-per-Resolution(SISR)よりも強力であることが証明されている。
RefSRは参照画像を利用して細部を生成できるが、必然的にいくつかのアーティファクトやノイズを発生させる。
本稿では,周波数領域(TTSR-FD)を用いたテクスチャトランスフォーマーを提案する。
本稿では,refsr結果の品質をさらに向上するための制約として周波数領域損失を導入する。
これにより、リアルタイム合成x線画像誘導手順vrシミュレーションシステムが可能になる。
我々の知る限りでは、超解像の分野における損失関数の一部として周波数領域を利用する最初の論文である。
我々は,合成X線画像データセット上でTTSR-FDを評価し,最先端の結果を得た。
関連論文リスト
- Efficient Medicinal Image Transmission and Resolution Enhancement via GAN [0.0]
本稿では,ネットワーク伝送の最適化により画像の品質を向上する効率的な手法を提案する。
Real-ESRGANによるX線画像の低解像度ファイルへの前処理は、サーバの負荷と送信帯域幅の削減に役立つ。
低解像度画像はReal-ESRGANを用いて受信端でアップスケールされる。
論文 参考訳（メタデータ） (2024-11-19T19:39:42Z) - TV-based Deep 3D Self Super-Resolution for fMRI [41.08227909855111]
本稿では,DLネットワークと解析的アプローチとTotal Variation (TV)正規化を組み合わせた,新たな自己教師型DL SRモデルを提案する。
本手法は,外部GT画像の必要性を排除し,管理型DL技術と機能地図の保存による競合性能を実現する。
論文 参考訳（メタデータ） (2024-10-05T09:35:15Z) - FreqINR: Frequency Consistency for Implicit Neural Representation with Adaptive DCT Frequency Loss [5.349799154834945]
本稿では、新しい任意スケール超解像法であるFreqINR(FreqINR)について述べる。
トレーニングでは,適応離散コサイン変換周波数損失(adaptive Discrete Cosine Transform Frequency Loss,ADFL)を用いて,HR画像と地絡画像の周波数ギャップを最小化する。
推論の際には,低分解能(LR)画像と地軸画像のスペクトルコヒーレンスを維持するために受容場を拡張した。
論文 参考訳（メタデータ） (2024-08-25T03:53:17Z) - 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) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - A No-Reference Deep Learning Quality Assessment Method for
Super-resolution Images Based on Frequency Maps [39.58198651685851]
本稿では,周波数マップに基づく非参照ディープラーニング画像品質評価手法を提案する。
まず、SRIの高周波マップ(HM)と低周波マップ(LM)を、Sobel演算子とスムーズな画像近似を用いて取得する。
提案手法は,選択した3つの超解像品質評価(SRQA)データベース上で比較したIQAモデルよりも優れている。
論文 参考訳（メタデータ） (2022-06-09T05:43:37Z) - Cross-Modality High-Frequency Transformer for MR Image Super-Resolution [100.50972513285598]
我々はTransformerベースのMR画像超解像フレームワークを構築するための初期の取り組みを構築した。
我々は、高周波構造とモード間コンテキストを含む2つの領域先行について考察する。
我々は,Cross-modality High- frequency Transformer (Cohf-T)と呼ばれる新しいTransformerアーキテクチャを構築し,低解像度画像の超解像化を実現する。
論文 参考訳（メタデータ） (2022-03-29T07:56:55Z) - NeRF-SR: High-Quality Neural Radiance Fields using Super-Sampling [82.99453001445478]
主に低分解能(LR)入力を用いた高分解能(HR)新規ビュー合成のソリューションであるNeRF-SRを提案する。
提案手法は,多層パーセプトロンを用いて各点密度と色を予測するニューラルレージアンス場(NeRF)上に構築されている。
論文 参考訳（メタデータ） (2021-12-03T07:33:47Z) - Perception Consistency Ultrasound Image Super-resolution via
Self-supervised CycleGAN [63.49373689654419]
自己スーパービジョンとサイクル生成対向ネットワーク(CycleGAN)に基づく新しい知覚整合超音波画像超解像法を提案する。
まず,検査用超音波LR画像のHR父子とLR子を画像強調により生成する。
次に、LR-SR-LRとHR-LR-SRのサイクル損失と判別器の対角特性をフル活用して、より知覚的に一貫性のあるSR結果を生成する。
論文 参考訳（メタデータ） (2020-12-28T08:24:04Z) - Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。
監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。
ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文 参考訳（メタデータ） (2020-12-18T08:25:39Z) - Unlimited Resolution Image Generation with R2D2-GANs [69.90258455164513]
本稿では,任意の解像度の高品質な画像を生成するための新しいシミュレーション手法を提案する。
この方法では、フル長のミッション中に収集したソナースキャンと同等の大きさのソナースキャンを合成することができる。
生成されたデータは、連続的で、現実的に見え、また、取得の実際の速度の少なくとも2倍の速さで生成される。
論文 参考訳（メタデータ） (2020-03-02T17:49:32Z)
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。