論文の概要: Adaptive Image Registration: A Hybrid Approach Integrating Deep Learning and Optimization Functions for Enhanced Precision

• arxiv url: http://arxiv.org/abs/2311.15497v2
• Date: Mon, 11 Dec 2023 19:15:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 19:23:04.079160
• Title: Adaptive Image Registration: A Hybrid Approach Integrating Deep Learning and Optimization Functions for Enhanced Precision
• Title（参考訳）: Adaptive Image Registration: 精度向上のためのディープラーニングと最適化機能を統合するハイブリッドアプローチ
• Authors: Gabriel De Araujo, Shanlin Sun, Xiaohui Xie
• Abstract要約: 本稿では、ディープニューラルネットワークと最適化手法を用いて、画像登録のための単一の合理化フレームワークを提案する。 調査の結果,フレームワークのバックボーンとして最高の動作状態モデルを利用する場合,テストの1.5%の改善が見られた。
• 参考スコア（独自算出の注目度）: 13.242184146186974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image registration has traditionally been done using two distinct approaches: learning based methods, relying on robust deep neural networks, and optimization-based methods, applying complex mathematical transformations to warp images accordingly. Of course, both paradigms offer advantages and disadvantages, and, in this work, we seek to combine their respective strengths into a single streamlined framework, using the outputs of the learning based method as initial parameters for optimization while prioritizing computational power for the image pairs that offer the greatest loss. Our investigations showed that an improvement of 1.5% in testing when utilizing the best performing state-of-the-art model as the backbone of the framework, while maintaining the same inference time and a substantial 0.94% points performance gain in deformation field smoothness.
• Abstract（参考訳）: 画像登録は伝統的に2つの異なるアプローチを用いて行われてきた: 学習ベースの手法、堅牢なディープニューラルネットワークに依存し、最適化ベースの手法。 もちろん、どちらのパラダイムも長所と短所を提供しており、本研究では、最大の損失をもたらす画像対の計算パワーを優先しながら、学習ベース手法の出力を最適化のための初期パラメータとして使用し、それぞれの強みを単一の合理化フレームワークに組み合わせようとしている。 本研究は, フレームワークのバックボーンとして最高性能の最先端モデルを用いた場合の試験における1.5%の改善と, 同一の推論時間を維持しつつ, 変形場平滑性における実質0.94%のパフォーマンス向上を示した。

関連論文リスト

• PostEdit: Posterior Sampling for Efficient Zero-Shot Image Editing [63.38854614997581]
  拡散サンプリングプロセスを制御するために後続のスキームを組み込んだPostEditを導入する。 提案したPostEditは、未編集領域を正確に保存しながら、最先端の編集性能を実現する。 インバージョンもトレーニングも不要で、約1.5秒と18GBのGPUメモリを必要とするため、高品質な結果が得られる。
  論文  参考訳（メタデータ） (2024-10-07T09:04:50Z)
• Learning Efficient and Effective Trajectories for Differential Equation-based Image Restoration [59.744840744491945]
  我々は, この手法の軌道最適化を再構築し, 復元品質と効率の両立に焦点をあてる。 本稿では,複雑な経路を適応可能なサイズで複数の管理可能なステップに合理化するためのコスト対応トラジェクトリー蒸留法を提案する。 実験では提案手法の有意な優位性を示し, 最先端手法よりも最大2.1dBのPSNR改善を実現した。
  論文  参考訳（メタデータ） (2024-10-07T07:46:08Z)
• NaturalInversion: Data-Free Image Synthesis Improving Real-World Consistency [1.1470070927586016]
  実データを用いずに元のデータ分布とよく一致した画像を合成する新しいモデル逆変換法であるNaturalInversionを紹介する。 我々の画像は、視覚化と追加分析による以前の作業よりも、元のデータ分布に一貫性があることが示される。
  論文  参考訳（メタデータ） (2023-06-29T03:43:29Z)
• Explainable bilevel optimization: an application to the Helsinki deblur challenge [1.1470070927586016]
  本稿では,一般画像分解問題の解に対する二段階最適化手法を提案する。 パラメトリック変動のようなアプローチを機械学習スキーム内にカプセル化し、高品質な再構成画像を提供する。
  論文  参考訳（メタデータ） (2022-10-18T11:36:37Z)
• Meta-Registration: Learning Test-Time Optimization for Single-Pair Image Registration [0.37501702548174964]
  この研究は、画像登録をメタ学習アルゴリズムとして定式化する。 前立腺癌108例の臨床経直腸超音波画像データを用いて実験を行った。
  論文  参考訳（メタデータ） (2022-07-22T10:30:00Z)
• Towards a Unified Approach to Homography Estimation Using Image Features and Pixel Intensities [0.0]
  ホモグラフィ行列は、様々な視覚に基づくロボットタスクにおいて重要な要素である。 伝統的に、ホモグラフィー推定アルゴリズムは特徴ベースまたは強度ベースに分類される。 本稿では,2つのクラスを1つの非線形最適化手順に統合するハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2022-02-20T02:47:05Z)
• Shared Prior Learning of Energy-Based Models for Image Reconstruction [69.72364451042922]
  本研究では,地中真理データを含まないトレーニングに特化して設計された画像再構成のための新しい学習ベースフレームワークを提案する。 基底真理データがない場合には、損失関数をパッチベースのワッサーシュタイン関数に変更する。 共用事前学習では、上記の最適制御問題と正規化器の共用学習パラメータを同時に最適化する。
  論文  参考訳（メタデータ） (2020-11-12T17:56:05Z)
• FeatMatch: Feature-Based Augmentation for Semi-Supervised Learning [64.32306537419498]
  本稿では,複雑な変換を多様に生成する特徴量に基づく改良・拡張手法を提案する。 これらの変換は、クラスタリングを通じて抽出したクラス内およびクラス間の両方の情報も利用します。 提案手法は,大規模データセットにスケールアップしながら,より小さなデータセットに対して,現在の最先端技術に匹敵するものであることを実証する。
  論文  参考訳（メタデータ） (2020-07-16T17:55:31Z)
• A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
  我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。 グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。 このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
  論文  参考訳（メタデータ） (2020-06-26T08:34:54Z)
• Learning Deformable Image Registration from Optimization: Perspective, Modules, Bilevel Training and Beyond [62.730497582218284]
  マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。 我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
  論文  参考訳（メタデータ） (2020-04-30T03:23:45Z)

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。