論文の概要: InstantGroup: Instant Template Generation for Scalable Group of Brain MRI Registration

• arxiv url: http://arxiv.org/abs/2211.05622v2
• Date: Wed, 26 Jun 2024 15:34:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-27 20:03:37.835301
• Title: InstantGroup: Instant Template Generation for Scalable Group of Brain MRI Registration
• Title（参考訳）: InstantGroup:脳MRI登録のスケーラブルなグループのためのインスタントテンプレート生成
• Authors: Ziyi He, Albert C. S. Chung,
• Abstract要約: InstantGroupは、変動オートエンコーダ(VAE)モデルに基づく効率的なグループワイドテンプレート生成フレームワークである。 3D脳MRIでの実験によると、InstantGroupは実行時間を劇的に減らし、さまざまなグループサイズのテンプレートを生成する。
• 参考スコア（独自算出の注目度）: 5.361571536184391
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Template generation is a critical step in groupwise image registration, which involves aligning a group of subjects into a common space. While existing methods can generate high-quality template images, they often incur substantial time costs or are limited by fixed group scales. In this paper, we present InstantGroup, an efficient groupwise template generation framework based on variational autoencoder (VAE) models that leverage latent representations' arithmetic properties, enabling scalability to groups of any size. InstantGroup features a Dual VAEs backbone with shared-weight twin networks to handle pairs of inputs and incorporates a Displacement Inversion Module (DIM) to maintain template unbiasedness and a Subject-Template Alignment Module (STAM) to improve template quality and registration accuracy. Experiments on 3D brain MRI scans from the OASIS and ADNI datasets reveal that InstantGroup dramatically reduces runtime, generating templates within seconds for various group sizes while maintaining superior performance compared to state-of-the-art baselines on quantitative metrics, including unbiasedness and registration accuracy.
• Abstract（参考訳）: テンプレート生成は、被験者のグループを共通の空間に整列させることを含む、グループワイド画像登録における重要なステップである。 既存の手法では、高品質なテンプレート画像を生成することができるが、時間的コストがかなり高い場合や、固定されたグループスケールによって制限される場合が多い。 本稿では,変分オートエンコーダ(VAE)モデルに基づく効率的なグループワイドテンプレート生成フレームワークであるInstantGroupを提案する。 InstantGroupは、共通のツインネットワークを持つデュアルVAEのバックボーンを備えており、テンプレートの不偏性を維持するためにDIM(Displacement Inversion Module)と、テンプレートの品質と登録精度を改善するためにSTAM(Subject-Template Alignment Module)が組み込まれている。 OASISとADNIデータセットからの3D脳MRIスキャンの実験によると、InstantGroupはランタイムを劇的に減らし、さまざまなグループサイズのテンプレートを生成すると同時に、不偏性や登録精度を含む定量的メトリクスに関する最先端のベースラインよりも優れたパフォーマンスを維持している。

関連論文リスト

• A Plug-and-Play Method for Rare Human-Object Interactions Detection by Bridging Domain Gap [50.079224604394]
  textbfContext-textbfEnhanced textbfFeature textbfAment (CEFA) と呼ばれる新しいモデルに依存しないフレームワークを提案する。 CEFAは機能アライメントモジュールとコンテキスト拡張モジュールで構成される。 本手法は, 稀なカテゴリにおけるHOIモデルの検出性能を向上させるために, プラグアンドプレイモジュールとして機能する。
  論文  参考訳（メタデータ） (2024-07-31T08:42:48Z)
• GroupMamba: Parameter-Efficient and Accurate Group Visual State Space Model [66.35608254724566]
  状態空間モデル(SSM)は、二次的複雑性を伴う長距離依存のモデリングにおいて効果的な性能を示した。 しかし、純粋なSSMベースのモデルは、コンピュータビジョンタスクにおける安定性と最適性能の達成に関連する課題に直面している。 本稿では,コンピュータビジョンのためのSSMベースのモデルをスケールする上での課題,特に大規模モデルの不安定性と非効率性について論じる。
  論文  参考訳（メタデータ） (2024-07-18T17:59:58Z)
• Advancing Vision Transformers with Group-Mix Attention [59.585623293856735]
  グループミクス・アテンション(GMA)は、従来の自己アテンションの先進的な代替品である。 GMAは、さまざまなグループサイズとトークン・ツー・トークン・ツー・グループ、グループ・ツー・グループ相関を同時に取得する。 GroupMixFormerは、画像分類、オブジェクト検出、セマンティックセグメンテーションにおける最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-11-26T01:25:03Z)
• Sequential Data Generation with Groupwise Diffusion Process [24.664800903343462]
  グループワイド拡散モデル(GDM)は、1つのグループから1つの時間間隔で順次データを生成する。 拡散モデルの拡張として、GDMはある種の自己回帰モデルとカスケード拡散モデルを一般化する。
  論文  参考訳（メタデータ） (2023-10-02T17:58:47Z)
• GroupFormer: Group Activity Recognition with Clustered Spatial-Temporal Transformer [16.988878921451484]
  GroupFormerは、個人とグループ表現を増強するために、空間的・時間的コンテキスト情報を共同でキャプチャする。 提案するフレームワークは,VolleyballデータセットとCollective Activityデータセットの最先端メソッドよりも優れている。
  論文  参考訳（メタデータ） (2021-08-28T11:24:36Z)
• Learning Multi-Attention Context Graph for Group-Based Re-Identification [214.84551361855443]
  オーバーラップしていないカメラシステムを介して人々のグループを再識別または取得することを学ぶことは、ビデオ監視において重要なアプリケーションです。 本研究では,グループre-idというグループを識別するためのコンテキスト情報の利用を検討する。 本研究では,グループベースリドタスクを同時に処理するグラフニューラルネットワークに基づく新しい統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-29T09:57:47Z)
• Group Communication with Context Codec for Ultra-Lightweight Source Separation [32.975741399690214]
  モデル性能を犠牲にすることなく、モデルサイズと複雑さの両方を減らすために、コンテキスト(GC3)設計によるグループコミュニケーションを提案します。 GC3は2.5%のモデルサイズで、幅広いベースラインアーキテクチャよりも同等または優れた性能を達成できる。
  論文  参考訳（メタデータ） (2020-12-14T06:57:58Z)
• CoADNet: Collaborative Aggregation-and-Distribution Networks for Co-Salient Object Detection [91.91911418421086]
  Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。 課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。 我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
  論文  参考訳（メタデータ） (2020-11-10T04:28:11Z)
• Model Patching: Closing the Subgroup Performance Gap with Data Augmentation [50.35010342284508]
  機械学習モデルの堅牢性を改善するためのフレームワークであるモデルパッチを導入する。 モデルパッチは、サブグループの違いに対してモデルを不変にすることを奨励し、サブグループによって共有されるクラス情報にフォーカスする。 CAMELは,(1)CycleGANを用いてクラス内およびサブグループ間拡張を学習し,(2)理論上動機付けられた整合性正規化器を用いてサブグループ性能のバランスをとる。 CAMELの有効性を3つのベンチマークデータセットで示し、最高のベースラインに対して、ロバストなエラーを最大33%削減した。
  論文  参考訳（メタデータ） (2020-08-15T20:01:23Z)
• Group Membership Verification with Privacy: Sparse or Dense? [21.365032455883178]
  グループメンバー認証は、生体特性がそのメンバーの同一性を明らかにすることなく、グループの1つのメンバーに対応するかどうかをチェックする。 最近のコントリビューションは、2つのメカニズムの併用によるグループメンバシッププロトコルのプライバシを提供する。 本稿では,セキュリティ,コンパクト性,検証性能の両面における疎性の影響を明らかにするために,グループメンバシップ検証の数学的モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-24T16:47:19Z)

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。