論文の概要: A Regularized Conditional GAN for Posterior Sampling in Inverse Problems
- arxiv url: http://arxiv.org/abs/2210.13389v1
- Date: Mon, 24 Oct 2022 16:43:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 17:45:48.656773
- Title: A Regularized Conditional GAN for Posterior Sampling in Inverse Problems
- Title(参考訳): 逆問題における後方サンプリングのための正規化条件付きGAN
- Authors: Matthew Bendel, Rizwan Ahmad, and Philip Schniter
- Abstract要約: 逆問題では、不完全または/または劣化した測定から画像の再構成を試みる。
本稿では,1秒間に数十個の高品質な後続サンプルを生成できる正規化条件付きWasserstein GANを提案する。
- 参考スコア(独自算出の注目度): 12.31503281925152
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In inverse problems, one seeks to reconstruct an image from incomplete and/or
degraded measurements. Such problems arise in magnetic resonance imaging (MRI),
computed tomography, deblurring, superresolution, inpainting, and other
applications. It is often the case that many image hypotheses are consistent
with both the measurements and prior information, and so the goal is not to
recover a single ``best'' hypothesis but rather to explore the space of
probable hypotheses, i.e., to sample from the posterior distribution. In this
work, we propose a regularized conditional Wasserstein GAN that can generate
dozens of high-quality posterior samples per second. Using quantitative
evaluation metrics like conditional Fr\'{e}chet inception distance, we
demonstrate that our method produces state-of-the-art posterior samples in both
multicoil MRI and inpainting applications.
- Abstract(参考訳): 逆問題では、不完全あるいは劣化した測定から画像を再構成しようとする。
このような問題は磁気共鳴イメージング(MRI)、CT、デブロワーリング、超解像、塗装などの用途で発生する。
多くの場合、多くの画像仮説は、測定値と事前情報の両方と一致するので、目的とは、単一の「ベスト」仮説を回収することではなく、仮説の空間、すなわち、後方分布からサンプルを探索することである。
そこで本研究では,数個の高品質な後続サンプルを毎秒生成できる正規化条件付きWasserstein GANを提案する。
条件付きFr\'{e}chet開始距離などの定量的評価指標を用いて, マルチコイルMRI, 塗布法ともに最先端の後方試料を生成することを示した。
関連論文リスト
- Ambient Diffusion Posterior Sampling: Solving Inverse Problems with
Diffusion Models trained on Corrupted Data [56.81246107125692]
Ambient Diffusion Posterior Smpling (A-DPS) は、ある種類の腐敗に対して事前訓練された生成モデルである。
A-DPSは、いくつかの画像復元タスクにおいて、クリーンなデータで訓練されたモデルよりも、速度と性能の両方で優れていることが示される。
我々はAmbient Diffusionフレームワークを拡張して、FourierサブサンプルのマルチコイルMRI測定にのみアクセスしてMRIモデルをトレーニングする。
論文 参考訳(メタデータ) (2024-03-13T17:28:20Z) - Deep Equilibrium Diffusion Restoration with Parallel Sampling [127.31325974698993]
拡散に基づく画像復元法の多くは、HQイメージを段階的に復元するために長いシリアルサンプリングチェーンを必要とする。
拡散型IRモデルにおけるサンプリングチェーン全体をモデル化して解析解を導出する。
単イメージサンプリングを並列に行うことができ、トレーニングなしでHQイメージを復元することができます。
論文 参考訳(メタデータ) (2023-11-20T08:27:56Z) - Uncertainty Quantification via Neural Posterior Principal Components [26.26693707762823]
不確実性定量化は、画像復元モデルの安全クリティカルドメインへの展開に不可欠である。
本稿では,入力画像の後方分布のPCをニューラルネットワークの単一前方通過で予測する手法を提案する。
提案手法は, インスタンス適応型不確実性方向を確実に伝達し, 後部サンプリングに匹敵する不確実性定量化を実現する。
論文 参考訳(メタデータ) (2023-09-27T09:51:29Z) - A Conditional Normalizing Flow for Accelerated Multi-Coil MR Imaging [12.31503281925152]
我々は,測定演算子のヌル空間の信号成分を推論する新しい条件正規化フロー(CNF)を開発し,後に測定データと組み合わせて完全な画像を生成する。
高速MRI脳と膝関節データを用いて,近年のMRI後部サンプリング技術を上回る高速な推測と精度を示す。
論文 参考訳(メタデータ) (2023-06-02T15:49:26Z) - One Sample Diffusion Model in Projection Domain for Low-Dose CT Imaging [10.797632196651731]
低線量CTは臨床応用における放射線リスクの低減に重要な役割を担っている。
ディープラーニングの急速な開発と幅広い応用により、低線量CTイメージングアルゴリズムの開発に向けた新たな方向性がもたらされた。
低用量CT再構成のための投影領域における完全に教師なし1サンプル拡散モデル(OSDM)を提案する。
以上の結果から,OSDMはアーティファクトを低減し,画像品質を維持するための実用的で効果的なモデルであることが証明された。
論文 参考訳(メタデータ) (2022-12-07T13:39:23Z) - Posterior samples of source galaxies in strong gravitational lenses with
score-based priors [107.52670032376555]
我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。
アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
論文 参考訳(メタデータ) (2022-11-07T19:00:42Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳(メタデータ) (2021-03-01T19:19:38Z) - Deep Probabilistic Imaging: Uncertainty Quantification and Multi-modal
Solution Characterization for Computational Imaging [11.677576854233394]
本稿では,再構成の不確かさを定量化するために,変分深い確率的イメージング手法を提案する。
Deep Probabilistic Imagingは、未学習の深部生成モデルを用いて、未観測画像の後部分布を推定する。
論文 参考訳(メタデータ) (2020-10-27T17:23:09Z) - Deep Variational Network Toward Blind Image Restoration [55.33102369856991]
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) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z)
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。