論文の概要: Moment evolution equations and moment matching for stochastic image EPDiff

• arxiv url: http://arxiv.org/abs/2110.03337v1
• Date: Thu, 7 Oct 2021 11:08:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-08 15:22:16.398821
• Title: Moment evolution equations and moment matching for stochastic image EPDiff
• Title（参考訳）: 確率像EPDiffに対するモーメント進化方程式とモーメントマッチング
• Authors: Alexander Christgau, Alexis Arnaudon and Stefan Sommer
• Abstract要約: 画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。 応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。 パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
• 参考スコア（独自算出の注目度）: 68.97335984455059
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Models of stochastic image deformation allow study of time-continuous stochastic effects transforming images by deforming the image domain. Applications include longitudinal medical image analysis with both population trends and random subject specific variation. Focusing on a stochastic extension of the LDDMM models with evolutions governed by a stochastic EPDiff equation, we use moment approximations of the corresponding Ito diffusion to construct estimators for statistical inference in the full stochastic model. We show that this approach, when efficiently implemented with automatic differentiation tools, can successfully estimate parameters encoding the spatial correlation of the noise fields on the image
• Abstract（参考訳）: 確率的画像変形のモデルは、画像領域を変形させることで画像変換の時間連続的確率的効果の研究を可能にする。 応用例としては、縦断的な医療画像解析と、ランダムな対象別変動がある。 確率的EPDiff方程式によって支配される進化を伴う LDDMM モデルの確率的拡張に着目し、対応する Ito 拡散のモーメント近似を用いて、全確率的モデルにおける統計的推測のための推定器を構築する。 この手法は, 画像上の雑音場の空間的相関を符号化したパラメータを効率的に推定できることを示す。

関連論文リスト

• Learning Temporally Equivariance for Degenerative Disease Progression in OCT by Predicting Future Representations [2.2069666964830845]
  時間変化を考慮したコントラスト学習(TC)手法を提案する。 本モデルでは,中間年齢関連黄斑変性 (AMD) から進行湿潤AMDへの進行予測において, 既存の異種コントラスト法より明らかに優れていた。
  論文  参考訳（メタデータ） (2024-05-15T15:00:46Z)
• Posterior Estimation for Dynamic PET imaging using Conditional Variational Inference [10.206699988915183]
  効率的な後続推定のためのディープラーニングに基づくフレームワークを提案する。 具体的には、潜伏変数を導入することにより、フォワードプロセスにおける情報損失に対処する。
  論文  参考訳（メタデータ） (2023-10-24T14:05:30Z)
• Towards Accurate Post-training Quantization for Diffusion Models [73.19871905102545]
  本稿では,効率的な画像生成のための拡散モデル(ADP-DM)の高精度なデータフリーポストトレーニング量子化フレームワークを提案する。 提案手法は, 拡散モデルの学習後の量子化を, 同様の計算コストで, 非常に大きなマージンで高速化する。
  論文  参考訳（メタデータ） (2023-05-30T04:00:35Z)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)
• Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
  本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。 提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
  論文  参考訳（メタデータ） (2022-05-18T17:11:23Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Score-based diffusion models for accelerated MRI [35.3148116010546]
  本研究では,画像中の逆問題を容易に解けるような条件分布からデータをサンプリングする方法を提案する。 我々のモデルは、訓練のためにのみ等級画像を必要とするが、複雑な値のデータを再構成することができ、さらに並列画像まで拡張できる。
  論文  参考訳（メタデータ） (2021-10-08T08:42:03Z)
• Temporal Dynamic Model for Resting State fMRI Data: A Neural Ordinary Differential Equation approach [0.0]
  本研究の目的は, 静止状態機能型磁気共鳴イメージング(fMRI)軌道の時間的動的モデルを提供することである。 そこで我々は、表現学習とニューラル正規微分方程式(Neural Ordinary Differential Equation,Neural ODE)を利用して、fMRI画像データを潜在表現に圧縮し、微分方程式に従って軌跡を予測するモデルを考案した。
  論文  参考訳（メタデータ） (2020-11-16T18:16:19Z)
• Stochastic Differential Equations with Variational Wishart Diffusions [18.590352916158093]
  回帰タスクと連続時間力学モデリングの両方に対して微分方程式を推論する非パラメトリックな方法を提案する。 この研究は微分方程式の一部(拡散とも呼ばれる)に重点を置いており、ウィッシュアート過程を用いてモデル化している。
  論文  参考訳（メタデータ） (2020-06-26T10:21:35Z)

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。