論文の概要: Parametric Level-sets Enhanced To Improve Reconstruction (PaLEnTIR)
- arxiv url: http://arxiv.org/abs/2204.09815v1
- Date: Thu, 21 Apr 2022 00:03:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-22 14:50:09.915267
- Title: Parametric Level-sets Enhanced To Improve Reconstruction (PaLEnTIR)
- Title（参考訳）: 再現性向上のためのパラメトリックレベルセット(PalenTIR)
- Authors: Ege Ozsar, Misha Kilmer, Eric Miller, Eric de Sturler, Arvind Saibaba
- Abstract要約: 本稿では,PaLEnTIRを用いた2次元および3次元の断片的定数物体の復元と復元について考察する。
我々のモデルは、マルチコントラスト、マルチオブジェクト問題に対する現在のアプローチに対して、明確なアドバンテージを提供する。
本稿では,2次元および3次元のX線CT,拡散光トモグラフィ(DOT),デノイング,デコンボリューション問題を用いて,新しい手法の性能を実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we consider the restoration and reconstruction of piecewise
constant objects in two and three dimensions using PaLEnTIR, a significantly
enhanced Parametric level set (PaLS) model relative to the current
state-of-the-art. The primary contribution of this paper is a new PaLS
formulation which requires only a single level set function to recover a scene
with piecewise constant objects possessing multiple unknown contrasts. Our
model offers distinct advantages over current approaches to the multi-contrast,
multi-object problem, all of which require multiple level sets and explicit
estimation of the contrast magnitudes. Given upper and lower bounds on the
contrast, our approach is able to recover objects with any distribution of
contrasts and eliminates the need to know either the number of contrasts in a
given scene or their values. We provide an iterative process for finding these
space-varying contrast limits. Relative to most PaLS methods which employ
radial basis functions (RBFs), our model makes use of non-isotropic basis
functions, thereby expanding the class of shapes that a PaLS model of a given
complexity can approximate. Finally, PaLEnTIR improves the conditioning of the
Jacobian matrix required as part of the parameter identification process and
consequently accelerates the optimization methods by controlling the magnitude
of the PaLS expansion coefficients, fixing the centers of the basis functions,
and the uniqueness of parametric to image mappings provided by the new
parameterization. We demonstrate the performance of the new approach using both
2D and 3D variants of X-ray computed tomography, diffuse optical tomography
(DOT), denoising, deconvolution problems. Application to experimental sparse CT
data and simulated data with different types of noise are performed to further
validate the proposed method.
- Abstract（参考訳）: 本稿では,PalenTIR(PaLS)モデルを用いて,2次元および3次元の断片的定数物体の復元と復元について検討する。
本論文の主な貢献は,複数の未知のコントラストを持つ部分的定数オブジェクトを持つシーンを復元するために,単一レベルセット関数のみを必要とする新しい PaLS の定式化である。
本モデルは,マルチコントラスト,マルチオブジェクト問題に対する現在のアプローチに対して,それぞれが複数のレベル集合とコントラスト等級の明示的な推定を必要とする,明確な利点を与える。
コントラスト上の上界と下界が与えられると、コントラストの分布を持つオブジェクトを復元することができ、与えられたシーンにおけるコントラストの数やその値を知る必要がなくなる。
空間的に異なるコントラスト限界を見つけるための反復的なプロセスを提供する。
放射基底関数(RBF)を用いるほとんどの PaLS 法とは対照的に,我々のモデルは非等方基底関数を用いて,与えられた複雑性の PaLS モデルが近似可能な形状のクラスを拡張する。
最後に、PaLEnTIRはパラメータ識別プロセスの一部として必要となるヤコビ行列の条件付けを改善し、その結果、PaLS展開係数の大きさを制御し、基底関数の中心を固定し、新しいパラメータ化によって提供されるパラメトリック対イメージマッピングの特異性を調整することにより最適化手法を高速化する。
本稿では,2次元および3次元のX線CT,拡散光トモグラフィ(DOT),ノイズ発生,デコンボリューション問題を用いて,新しい手法の性能を示す。
実験的なスパースCTデータと異なる種類のノイズを伴うシミュレーションデータに適用し、提案手法をさらに検証した。
関連論文リスト
- Enhancing Fluorescence Lifetime Parameter Estimation Accuracy with Differential Transformer Based Deep Learning Model Incorporating Pixelwise Instrument Response Function [0.3441582801949978]
本稿では,最新の微分変換器エンコーダ・デコーダアーキテクチャであるMFliNetを用いた新しいDLアーキテクチャを提案する。
本モデルの性能は, 慎重に設計し, 複雑な組織模倣ファントムと前臨床内癌異種移植実験により実証した。
論文 参考訳（メタデータ） (2024-11-25T20:03:41Z) - Ray-driven Spectral CT Reconstruction Based on Neural Base-Material Fields [10.684377265644045]
スペクトルCT再構成において、基本材料分解は積分方程式の大規模非線形系を解くことを伴う。
本稿では、ニューラルネットワーク表現を用いて物体の減衰係数をパラメータ化するモデルを提案する。
線駆動神経場に基づく線積分の軽量な離散化法を導入する。
論文 参考訳（メタデータ） (2024-04-10T13:10:52Z) - Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。
キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
論文 参考訳（メタデータ） (2024-02-26T05:51:47Z) - Hybrid Functional Maps for Crease-Aware Non-Isometric Shape Matching [42.0728900164228]
ラプラス・ベルトラミ作用素(LBO)固有モデムの固有関数と弾性薄殻ヘシアンの固有関数の非直交外部基底を結合する新しいアプローチを提案する。
各種の教師なしおよび教師なしの設定に対して広範囲な評価を行い,大幅な改善を示した。
論文 参考訳（メタデータ） (2023-12-06T18:41:01Z) - RNb-NeuS: Reflectance and Normal-based Multi-View 3D Reconstruction [3.1820300989695833]
本稿では,光度ステレオにより得られる多視点反射率と正規写像を統合するための多目的パラダイムを提案する。
提案手法では, 反射率と正規度の画素ワイドな共同パラメータ化を, 放射光のベクトルとして用いた。
これは、高い曲率または低い視認性を持つ領域の詳細な3D再構成を大幅に改善する。
論文 参考訳（メタデータ） (2023-12-02T19:49:27Z) - NeuS-PIR: Learning Relightable Neural Surface using Pre-Integrated Rendering [23.482941494283978]
本稿では,マルチビュー画像やビデオから可照性神経表面を復元するNeuS-PIR法を提案する。
NeRFや離散メッシュに基づく手法とは異なり,提案手法は暗黙のニューラルサーフェス表現を用いて高品質な幾何学を再構築する。
本手法は,現代のグラフィックスエンジンとシームレスに統合可能なリライトなどの高度なアプリケーションを実現する。
論文 参考訳（メタデータ） (2023-06-13T09:02:57Z) - Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。
また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。
提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
論文 参考訳（メタデータ） (2023-01-15T16:19:18Z) - Latent Variable Representation for Reinforcement Learning [131.03944557979725]
モデルに基づく強化学習のサンプル効率を改善するために、潜在変数モデルが学習、計画、探索をいかに促進するかは理論上、実証上、不明である。
状態-作用値関数に対する潜在変数モデルの表現ビューを提供する。これは、抽出可能な変分学習アルゴリズムと楽観主義/悲観主義の原理の効果的な実装の両方を可能にする。
特に,潜伏変数モデルのカーネル埋め込みを組み込んだUPB探索を用いた計算効率の良い計画アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-12-17T00:26:31Z) - 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) - Feature Weighted Non-negative Matrix Factorization [92.45013716097753]
本稿では,FNMF(Feature weighted Non- negative Matrix Factorization)を提案する。
FNMFはその重要性に応じて特徴の重みを適応的に学習する。
提案する最適化アルゴリズムを用いて効率的に解くことができる。
論文 参考訳（メタデータ） (2021-03-24T21:17:17Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳（メタデータ） (2021-03-24T08:16:32Z)
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。