論文の概要: INCLG: Inpainting for Non-Cleft Lip Generation with a Multi-Task Image Processing Network

• arxiv url: http://arxiv.org/abs/2305.10589v1
• Date: Wed, 17 May 2023 21:53:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-19 17:48:27.672992
• Title: INCLG: Inpainting for Non-Cleft Lip Generation with a Multi-Task Image Processing Network
• Title（参考訳）: INCLG:マルチタスク画像処理ネットワークを用いた非クリフリップ生成のための塗装
• Authors: Shuang Chen, Amir Atapour-Abarghouei, Edmond S. L. Ho, Hubert P. H. Shum
• Abstract要約: 我々は,口唇画像の訓練を必要とせず,画像の塗り絵を用いたソフトウェア・フレームワークを設計する。 顔画像と顔のランドマークの両方を予測できる新しいマルチタスクアーキテクチャを実装した。 ソフトウェアはPyTorchで実装されており、予測速度の速いコンシューマレベルのカラー画像で使用することができる。
• 参考スコア（独自算出の注目度）: 18.141737818156265
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a software that predicts non-cleft facial images for patients with cleft lip, thereby facilitating the understanding, awareness and discussion of cleft lip surgeries. To protect patients privacy, we design a software framework using image inpainting, which does not require cleft lip images for training, thereby mitigating the risk of model leakage. We implement a novel multi-task architecture that predicts both the non-cleft facial image and facial landmarks, resulting in better performance as evaluated by surgeons. The software is implemented with PyTorch and is usable with consumer-level color images with a fast prediction speed, enabling effective deployment.
• Abstract（参考訳）: そこで我々は, 口唇裂患者の非口蓋裂画像を予測するソフトウェアを提案し, 口蓋裂手術の理解, 認識, 議論を容易にする。 患者のプライバシを保護するため,訓練に口唇画像を必要としない画像塗布を用いたソフトウェア・フレームワークを設計し,モデル漏洩のリスクを軽減する。 我々は, 顔画像と顔ランドマークの両方を予測する新しいマルチタスクアーキテクチャを実装し, 外科医が評価した性能向上を実現した。 このソフトウェアはPyTorchで実装されており、消費者レベルのカラー画像で高速な予測速度で利用でき、効果的に展開できる。

関連論文リスト

• CleftGAN: Adapting A Style-Based Generative Adversarial Network To Create Images Depicting Cleft Lip Deformity [2.1647227058902336]
  深層学習に基づく口唇生成装置を構築し, 口唇のファクシミリを高精細度に表現した, ほぼ無限の人工画像を生成する。 我々は、StyleGAN-ADAの異なるバージョンをテストするトランスファー学習プロトコルを実行した。 様々な裂裂の変形を描写した訓練画像は、回転、スケーリング、色調整、背景のぼやけを調整するために前処理された。
  論文  参考訳（メタデータ） (2023-10-12T01:25:21Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• PCRLv2: A Unified Visual Information Preservation Framework for Self-supervised Pre-training in Medical Image Analysis [56.63327669853693]
  本稿では,ピクセルレベルの情報を高レベルなセマンティクスに明示的にエンコードするための画素復元タスクを提案する。 また,画像理解を支援する強力なツールであるスケール情報の保存についても検討する。 提案されている統合SSLフレームワークは、さまざまなタスクで自己管理されたフレームワークを超越している。
  論文  参考訳（メタデータ） (2023-01-02T17:47:27Z)
• Procedural Image Programs for Representation Learning [62.557911005179946]
  我々は,2万プログラムからなる大規模なデータセットを用いて,多様な合成画像を生成する訓練を提案する。 これらのプログラムは短いコードスニペットであり、変更が容易で、高速に実行することができる。 提案したデータセットは、教師付きおよび教師なしの表現学習の両方に使用することができ、実際の画像と手続き的に生成された画像との事前学習のギャップを38%削減する。
  論文  参考訳（メタデータ） (2022-11-29T17:34:22Z)
• A Feasibility Study on Image Inpainting for Non-cleft Lip Generation from Patients with Cleft Lip [14.608317439549303]
  本研究では, 口唇を覆い, 口唇と鼻を生成できる深層学習型画像塗装法を提案する。 本研究は,2つの実世界のクリフリップデータセットを用いて実施し,専門家のクリフリップ外科医による評価を行い,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-08-01T21:44:49Z)
• Ulixes: Facial Recognition Privacy with Adversarial Machine Learning [5.665130648960062]
  視覚的に非侵襲的な顔ノイズマスクを生成するためのUlixesを提案する。 これは、ユーザーがアンマスクされ、ラベル付き画像がオンラインで利用可能である場合でも適用できる。
  論文  参考訳（メタデータ） (2020-10-20T13:05:51Z)
• Towards Unsupervised Learning for Instrument Segmentation in Robotic Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
  本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。 当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。 提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
  論文  参考訳（メタデータ） (2020-07-09T01:39:39Z)
• Neural Sparse Representation for Image Restoration [116.72107034624344]
  スパース符号化に基づく画像復元モデルの堅牢性と効率に触発され,深部ネットワークにおけるニューロンの空間性について検討した。 本手法は,隠れたニューロンに対する空間的制約を構造的に強制する。 実験により、複数の画像復元タスクのためのディープニューラルネットワークではスパース表現が不可欠であることが示されている。
  論文  参考訳（メタデータ） (2020-06-08T05:15:17Z)
• Exploiting Semantics for Face Image Deblurring [121.44928934662063]
  本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。 顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。 提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
  論文  参考訳（メタデータ） (2020-01-19T13:06:27Z)

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。