論文の概要: Variable Augmented Network for Invertible MR Coil Compression
- arxiv url: http://arxiv.org/abs/2201.07428v1
- Date: Wed, 19 Jan 2022 05:59:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-20 14:57:23.531669
- Title: Variable Augmented Network for Invertible MR Coil Compression
- Title（参考訳）: 非可逆MRコイル圧縮のための可変拡張ネットワーク
- Authors: Xianghao Liao, Shanshan Wang, Lanlan Tu, Yuhao Wang, Dong Liang,
Qiegen Liu
- Abstract要約: 可逆コイル圧縮(VAN-ICC)のための新しい可変拡張ネットワークを示す。
VAN-ICCは、同じ数の仮想コイルで圧縮効果を向上させることができる。
- 参考スコア（独自算出の注目度）: 14.45757689806982
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A large number of coils are able to provide enhanced signal-to-noise ratio
and improve imaging performance in parallel imaging. As the increasingly grow
of coil number, however, it simultaneously aggravates the drawbacks of data
storage and reconstruction speed, especially in some iterative reconstructions.
Coil compression addresses these issues by generating fewer virtual coils. In
this work, a novel variable augmented network for invertible coil compression
(VAN-ICC) is presented, which utilizes inherent reversibility of
normalizing-flow-based models, for better compression and invertible recovery.
VAN-ICC trains invertible network by finding an invertible and bijective
function, which can map the original image to the compression image. In the
experiments, both fully-sampled images and under-sampled images were used to
verify the effectiveness of the model. Extensive quantitative and qualitative
evaluations demonstrated that, in comparison with SCC and GCC, VAN-ICC can
carry through better compression effect with equal number of virtual coils.
Additionally, its performance is not susceptible to different num-ber of
virtual coils.
- Abstract（参考訳）: 多数のコイルは、信号対雑音比を高め、並列撮像における撮像性能を向上させることができる。
しかし、コイル数の増加に伴い、特に反復的な再構築において、データストレージと再構築速度の欠点を同時に増大させる。
コイル圧縮は仮想コイルが少ないことでこれらの問題に対処する。
本研究では, 正規化フローモデルの固有可逆性を利用し, 圧縮性および可逆性回復性を向上させるために, インバータブルコイル圧縮のための可変拡張ネットワーク(van-icc)を提案する。
van-iccは、元の画像を圧縮画像にマッピングできる可逆かつ単射関数を見つけることで、可逆ネットワークを訓練する。
実験では,完全サンプリング画像とアンダーサンプリング画像の両方を用いて,モデルの有効性を検証した。
広範に定量的および定性的評価を行った結果、SCCとGCCと比較すると、VAN-ICCは仮想コイルの数に等しい圧縮効果を発揮できることがわかった。
さらに、その性能は異なる仮想コイルの数値バーに影響を受けない。
関連論文リスト
- Once-for-All: Controllable Generative Image Compression with Dynamic Granularity Adaption [57.056311855630916]
本稿では,制御可能な生成画像圧縮フレームワークである制御-GICを提案する。
高忠実度および一般性圧縮を確保しつつ、広帯域での微粒化適応を可能にする。
我々は、歴史的符号化された多粒度表現に遡ることができる条件条件付き条件付けを開発する。
論文 参考訳（メタデータ） (2024-06-02T14:22:09Z) - UniCompress: Enhancing Multi-Data Medical Image Compression with Knowledge Distillation [59.3877309501938]
Inlicit Neural Representation (INR) ネットワークは、その柔軟な圧縮比のため、顕著な汎用性を示している。
周波数領域情報を含むコードブックをINRネットワークへの事前入力として導入する。
これにより、INRの表現力が向上し、異なる画像ブロックに対して特異な条件付けが提供される。
論文 参考訳（メタデータ） (2024-05-27T05:52:13Z) - Extreme Image Compression using Fine-tuned VQGANs [43.43014096929809]
本稿ではベクトル量子化(VQ)に基づく生成モデルを画像圧縮領域に導入する。
VQGANモデルによって学習されたコードブックは、強い表現能力をもたらす。
提案したフレームワークは、知覚的品質指向のメトリクスで最先端のコーデックより優れている。
論文 参考訳（メタデータ） (2023-07-17T06:14:19Z) - Self-Asymmetric Invertible Network for Compression-Aware Image Rescaling [6.861753163565238]
現実世界のアプリケーションでは、ほとんどの画像は伝送のために圧縮される。
圧縮対応画像再スケーリングのための自己非対称可逆ネットワーク(SAIN)を提案する。
論文 参考訳（メタデータ） (2023-03-04T08:33:46Z) - Improving Multi-generation Robustness of Learned Image Compression [16.86614420872084]
ネットワーク構造を変更せずに50回再符号化しても,BPGの最初の圧縮に匹敵する性能が得られることを示す。
論文 参考訳（メタデータ） (2022-10-31T03:26:11Z) - Invertible Rescaling Network and Its Extensions [118.72015270085535]
本研究では,新たな視点から双方向の劣化と復元をモデル化する,新しい可逆的枠組みを提案する。
我々は、有効な劣化画像を生成し、失われたコンテンツの分布を変換する可逆モデルを開発する。
そして、ランダムに描画された潜在変数とともに、生成された劣化画像に逆変換を適用することにより、復元可能とする。
論文 参考訳（メタデータ） (2022-10-09T06:58:58Z) - Hybrid Parallel Imaging and Compressed Sensing MRI Reconstruction with
GRAPPA Integrated Multi-loss Supervised GAN [2.7110495144693374]
本稿では, 再構成画像のデエイリアスのために, マルチモーダルな損失を抑える新しいGAN(Generative Adversarial Network)を提案する。
提案手法は, 画像品質の向上に寄与し, 5倍, 10倍の高速化を実現した。
論文 参考訳（メタデータ） (2022-09-19T07:26:45Z) - Unified Multivariate Gaussian Mixture for Efficient Neural Image
Compression [151.3826781154146]
先行変数と超優先度を持つ潜伏変数は、変動画像圧縮において重要な問題である。
ベクトル化された視点で潜伏変数を観察する際、相関関係や相関関係は存在する。
当社のモデルでは、速度歪曲性能が向上し、圧縮速度が3.18倍に向上した。
論文 参考訳（メタデータ） (2022-03-21T11:44:17Z) - Substitutional Neural Image Compression [48.20906717052056]
置換型ニューラルイメージ圧縮(snic)は、あらゆるニューラルイメージ圧縮モデルを強化する一般的なアプローチである。
フレキシブルな歪みメトリックに向けて圧縮性能を高め、単一のモデルインスタンスを使用したビットレート制御を可能にする。
論文 参考訳（メタデータ） (2021-05-16T20:53:31Z) - Slimmable Compressive Autoencoders for Practical Neural Image
Compression [20.715312224456138]
実画像圧縮のためのスリム圧縮オートエンコーダ(SlimCAEs)を提案する。
SlimCAEは、優れたレート歪み性能、可変率、メモリの動的調整、計算コスト、レイテンシを提供する柔軟性の高いモデルです。
論文 参考訳（メタデータ） (2021-03-29T16:12:04Z) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-22T04:04:56Z)
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。