論文の概要: RED-PSM: Regularization by Denoising of Partially Separable Models for
Dynamic Imaging
- arxiv url: http://arxiv.org/abs/2304.03483v3
- Date: Wed, 20 Dec 2023 08:18:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-21 19:24:50.544740
- Title: RED-PSM: Regularization by Denoising of Partially Separable Models for
Dynamic Imaging
- Title(参考訳): RED-PSM:ダイナミックイメージングのための部分分離型モデルによる正規化
- Authors: Berk Iskender, Marc L. Klasky, Yoram Bresler
- Abstract要約: ダイナミックイメージングは、その下層測定を用いて、瞬時に時間変化の異なる2Dまたは3Dオブジェクトの回復に対処する。
特に、ダイナミックトモグラフィーの場合、1つの視野角で1つの投影しか利用できないため、深刻な問題となる。
本稿では,この課題に対処する2つの強力な手法を初めて組み合わせたアプローチであるREDPSMを提案する。
- 参考スコア(独自算出の注目度): 7.335712499936903
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dynamic imaging addresses the recovery of a time-varying 2D or 3D object at
each time instant using its undersampled measurements. In particular, in the
case of dynamic tomography, only a single projection at a single view angle may
be available at a time, making the problem severely ill-posed. In this work, we
propose an approach, RED-PSM, which combines for the first time two powerful
techniques to address this challenging imaging problem. The first, are
partially separable models, which have been used to efficiently introduce a
low-rank prior for the spatio-temporal object. The second is the recent
\textit{Regularization by Denoising (RED)}, which provides a flexible framework
to exploit the impressive performance of state-of-the-art image denoising
algorithms, for various inverse problems. We propose a partially separable
objective with RED and a computationally efficient and scalable optimization
scheme with variable splitting and ADMM. Theoretical analysis proves the
convergence of our objective to a value corresponding to a stationary point
satisfying the first-order optimality conditions. Convergence is accelerated by
a particular projection-domain-based initialization. We demonstrate the
performance and computational improvements of our proposed RED-PSM with a
learned image denoiser by comparing it to a recent deep-prior-based method
known as TD-DIP. Although the main focus is on dynamic tomography, we also show
performance advantages of RED-PSM in a cardiac dynamic MRI setting.
- Abstract(参考訳): ダイナミックイメージング(dynamic imaging)は、2dまたは3dオブジェクトを瞬時にアンサンプした測定値を用いてリカバリする。
特に、ダイナミックトモグラフィの場合、一度に1つの角度で投影できるのは1つの投影のみであり、問題は非常に不適切である。
そこで本研究では,この課題に初めて2つの強力な手法を組み合わせたアプローチである red-psm を提案する。
1つ目は部分分離可能なモデルで、時空間オブジェクトの低ランクを効率よく導入するために使われてきた。
このフレームワークは、様々な逆問題に対して最先端の画像デノライゼーションアルゴリズムの印象的なパフォーマンスを利用するための柔軟なフレームワークを提供する。
本稿では,redによる部分分離目標と,可変分割とadmmを用いた計算効率良くスケーラブルな最適化スキームを提案する。
理論解析により、第一次最適条件を満たす定常点に対応する値への目的の収束が証明される。
収束は特定の射影領域に基づく初期化によって加速される。
本研究では,本提案手法とtd-dip法との比較により,red-psmの性能と計算性能の向上を示す。
主にダイナミックトモグラフィに焦点をあてるが, 心動的MRI設定におけるRED-PSMの有用性も示す。
関連論文リスト
- Single-shot Tomography of Discrete Dynamic Objects [1.1407697960152927]
ダイナミックトモグラフィーにおける高分解能時間像の再構成法を提案する。
本研究の意義は、断層撮影における動的過程の可視化と解析の改善にまで及んでいる。
論文 参考訳(メタデータ) (2023-11-09T10:52:02Z) - vSHARP: variable Splitting Half-quadratic ADMM algorithm for
Reconstruction of inverse-Problems [7.694990352622926]
MRI再建では、不十分な逆問題が発生し、十分なクローズドフォーム解析解が得られない。
逆問題再構成のための教師付き分割半四分法ADMMアルゴリズム(vSHARP)を提案する。
本稿では,vSHARPの優れた性能に着目し,最先端手法による実験結果の比較分析を行った。
論文 参考訳(メタデータ) (2023-09-18T17:26:22Z) - Recovering Continuous Scene Dynamics from A Single Blurry Image with
Events [58.7185835546638]
インプリシットビデオ関数(IVF)は、同時イベントを伴う単一の動きのぼやけた画像を表現する。
両モードの利点を効果的に活用するために、二重注意変換器を提案する。
提案するネットワークは,限られた参照タイムスタンプの地平線画像の監督のみで訓練される。
論文 参考訳(メタデータ) (2023-04-05T18:44:17Z) - Universal Generative Modeling in Dual-domain for Dynamic MR Imaging [22.915796840971396]
我々は,高度にアンダーサンプリングされた測定値の再構成を行うために,k-spaceとDu-al-Domainコラボレーティブユニバーサル生成モデル(DD-UGM)を提案する。
より正確には、画像領域とk空間領域の両方の先行成分を普遍的な生成モデルで抽出し、これらの先行成分を適応的に処理し、より高速に処理する。
論文 参考訳(メタデータ) (2022-12-15T03:04:48Z) - DeepRM: Deep Recurrent Matching for 6D Pose Refinement [77.34726150561087]
DeepRMは、6Dポーズ改善のための新しいリカレントネットワークアーキテクチャである。
アーキテクチャにはLSTMユニットが組み込まれ、各改善ステップを通じて情報を伝達する。
DeepRMは、2つの広く受け入れられている課題データセットで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) (2022-05-28T16:18:08Z) - RNNPose: Recurrent 6-DoF Object Pose Refinement with Robust
Correspondence Field Estimation and Pose Optimization [46.144194562841435]
本稿では、オブジェクトポーズ改善のためのリカレントニューラルネットワーク(RNN)に基づくフレームワークを提案する。
この問題は、推定対応フィールドに基づいて非線形最小二乗問題として定式化される。
各イテレーションにおいて、対応フィールド推定とポーズ精錬を代替して行い、正確なオブジェクトポーズを復元する。
論文 参考訳(メタデータ) (2022-03-24T06:24:55Z) - An Active Contour Model with Local Variance Force Term and Its Efficient
Minimization Solver for Multi-phase Image Segmentation [2.935661780430872]
多相画像分割問題に適用可能な局所分散力(LVF)項を持つ能動輪郭モデルを提案する。
LVFでは,ノイズのある画像のセグメンテーションに非常に効果的である。
論文 参考訳(メタデータ) (2022-03-17T02:32:30Z) - TimeLens: Event-based Video Frame Interpolation [54.28139783383213]
本稿では,合成法とフロー法の両方の利点を生かした,等価寄与法であるTime Lensを紹介する。
最先端のフレームベースおよびイベントベース手法よりもPSNRが最大5.21dB向上したことを示す。
論文 参考訳(メタデータ) (2021-06-14T10:33:47Z) - 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) - Limited-angle tomographic reconstruction of dense layered objects by
dynamical machine learning [68.9515120904028]
強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。
このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。
我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
論文 参考訳(メタデータ) (2020-07-21T11:48:22Z) - Single-Image HDR Reconstruction by Learning to Reverse the Camera
Pipeline [100.5353614588565]
本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。
我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。
提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
論文 参考訳(メタデータ) (2020-04-02T17:59:04Z)
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。