論文の概要: An Adversarial Learning Based Approach for Unknown View Tomographic Reconstruction

• arxiv url: http://arxiv.org/abs/2108.09873v1
• Date: Mon, 23 Aug 2021 00:28:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-24 15:19:43.015618
• Title: An Adversarial Learning Based Approach for Unknown View Tomographic Reconstruction
• Title（参考訳）: 逆学習に基づく未知視線トモグラフィ再構成のためのアプローチ
• Authors: Mona Zehni, Zhizhen Zhao
• Abstract要約: しばしば、射影線に関連する射影角が予め知られていると仮定される。 しかし、特定の状況下では、これらの角度は概して知られているか、完全には分かっていない。 画像と投影角分布を復元する逆学習に基づくアプローチを提案する。
• 参考スコア（独自算出の注目度）: 27.661868972910742
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The goal of 2D tomographic reconstruction is to recover an image given its projection lines from various views. It is often presumed that projection angles associated with the projection lines are known in advance. Under certain situations, however, these angles are known only approximately or are completely unknown. It becomes more challenging to reconstruct the image from a collection of random projection lines. We propose an adversarial learning based approach to recover the image and the projection angle distribution by matching the empirical distribution of the measurements with the generated data. Fitting the distributions is achieved through solving a min-max game between a generator and a critic based on Wasserstein generative adversarial network structure. To accommodate the update of the projection angle distribution through gradient back propagation, we approximate the loss using the Gumbel-Softmax reparameterization of samples from discrete distributions. Our theoretical analysis verifies the unique recovery of the image and the projection distribution up to a rotation and reflection upon convergence. Our extensive numerical experiments showcase the potential of our method to accurately recover the image and the projection angle distribution under noise contamination.
• Abstract（参考訳）: 2次元断層画像再構成の目標は、様々な視点から投影線から画像を復元することである。 しばしば、射影線に関連する射影角が予め知られていると仮定される。 しかし、特定の状況下では、これらの角度は概して知られているか全く知られていない。 ランダムな投影線の集合から画像を再構成することがより困難になる。 本稿では,実測値と実測値とを一致させて画像と投影角分布を復元する逆学習に基づく手法を提案する。 分布の適合は、wasserstein生成逆ネットワーク構造に基づくジェネレータと批評家との間のmin-maxゲームを解決することによって達成される。 勾配バック伝搬による投影角分布の更新に対応するため,離散分布からのサンプルのグムベル・ソフトマックス再パラメータ化を用いて損失を近似する。 本理論解析は,画像の特異な復元と,回転までの投影分布と収束時の反射を検証する。 広範に数値実験を行ったところ, ノイズ汚染下での画像と投影角分布を正確に再現できる可能性が示された。

関連論文リスト

• Learning Gaussian Representation for Eye Fixation Prediction [54.88001757991433]
  既存のアイ固定予測方法は、入力画像から原固定点から生成された対応する濃密な固定マップへのマッピングを行う。 本稿ではアイフィグレーションモデリングのためのガウス表現について紹介する。 我々は,リアルタイムな固定予測を実現するために,軽量なバックボーン上にフレームワークを設計する。
  論文  参考訳（メタデータ） (2024-03-21T20:28:22Z)
• Cameras as Rays: Pose Estimation via Ray Diffusion [54.098613859015856]
  カメラのポーズを推定することは3D再構成の基本的な課題であり、まばらにサンプリングされたビューを考えると依然として困難である。 本稿では,カメラを光束として扱うカメラポーズの分散表現を提案する。 提案手法は回帰法と拡散法の両方で,CO3Dのカメラポーズ推定における最先端性能を示す。
  論文  参考訳（メタデータ） (2024-02-22T18:59:56Z)
• APRF: Anti-Aliasing Projection Representation Field for Inverse Problem in Imaging [74.9262846410559]
  Sparse-view Computed Tomography (SVCT) は画像の逆問題である。 近年の研究では、インプリシット・ニューラル・リ表現(INR)を用いて、シングラムとCT画像の座標に基づくマッピングを構築している。 自己教師型SVCT再構成法の提案 -抗エイリアス射影表現場(APRF)- APRFは空間的制約によって隣接する投影ビュー間の連続的な表現を構築することができる。
  論文  参考訳（メタデータ） (2023-07-11T14:04:12Z)
• Generative Modeling in Sinogram Domain for Sparse-view CT Reconstruction [12.932897771104825]
  CT検査では投射回数を直感的に減らすことで放射線線量を大幅に減少させることができる。 疎視データを用いた従来のディープラーニング技術では、教師付き方法でネットワークをトレーニングするためにスパースビュー/フルビューCTイメージペアが必要である。 スパース・ビューCT再構成のための非教師なしスコアベース生成モデルについて検討した。
  論文  参考訳（メタデータ） (2022-11-25T06:49:18Z)
• Conditional Variational Autoencoder for Learned Image Reconstruction [5.487951901731039]
  本研究では,未知画像の後部分布を問合せ観測で近似する新しいフレームワークを開発する。 暗黙のノイズモデルと先行処理を処理し、データ生成プロセス(フォワード演算子)を組み込み、学習された再構成特性は異なるデータセット間で転送可能である。
  論文  参考訳（メタデータ） (2021-10-22T10:02:48Z)
• Scene Uncertainty and the Wellington Posterior of Deterministic Image Classifiers [68.9065881270224]
  Wellington Posteriorは、同じシーンで生成された可能性のあるデータに応答して得られるであろう結果の分布である。 We we explore the use of data augmentation, dropout, ensembling, single-view reconstruction and model linearization to compute a Wellington Posterior。 他にも、生成逆数ネットワーク、ニューラルレイディアンスフィールド、条件付き事前ネットワークなどの条件付き生成モデルの使用がある。
  論文  参考訳（メタデータ） (2021-06-25T20:10:00Z)
• UVTomo-GAN: An adversarial learning based approach for unknown view X-ray tomographic reconstruction [27.661868972910742]
  トモグラフィー再構成は、異なる角度から投影された未知の画像を復元する。 ここでは、(1)射影角が未知、(2)未知の確率分布から引き出される、というより難しい設定に取り組む。 このセットアップでは、教師なしの対角学習手法を用いて画像と投影角分布を復元することを目的としている。
  論文  参考訳（メタデータ） (2021-02-09T00:51:25Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• Unsupervised Sparse-view Backprojection via Convolutional and Spatial Transformer Networks [8.564644163856318]
  本研究では,非教師付きスパースビューバックプロジェクションアルゴリズムを導入する。 提案アルゴリズムはプロジェクション角が非常に粗い場合にフィルタバックプロジェクションを著しく上回る。 本手法は医用画像および他の画像モダリティに実用的応用がある。
  論文  参考訳（メタデータ） (2020-06-01T05:02:53Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)
• Class-Specific Blind Deconvolutional Phase Retrieval Under a Generative Prior [8.712404218757733]
  この問題はフーリエ・プチコグラフィー、X線結晶学、可視光通信など様々な画像モダリティで発生する。 本稿では,事前訓練された2つの深層生成ネットワークの下での交互勾配降下アルゴリズムを用いて,この逆問題の解法を提案する。 提案アルゴリズムは,前向き測定モデルを説明する各前駆体の範囲内で,シャープな画像とぼやけたカーネルを見つけ出そうとする。
  論文  参考訳（メタデータ） (2020-02-28T07:36:28Z)

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。