論文の概要: MoreStyle: Relax Low-frequency Constraint of Fourier-based Image Reconstruction in Generalizable Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2403.11689v3
• Date: Mon, 1 Jul 2024 12:52:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-02 14:49:11.229313
• Title: MoreStyle: Relax Low-frequency Constraint of Fourier-based Image Reconstruction in Generalizable Medical Image Segmentation
• Title（参考訳）: MoreStyle: 一般化可能な医用画像分割におけるフーリエ画像再構成の低周波制約
• Authors: Haoyu Zhao, Wenhui Dong, Rui Yu, Zhou Zhao, Du Bo, Yongchao Xu,
• Abstract要約: MoreStyleと呼ばれるデータ拡張のためのPlug-and-Playモジュールを紹介します。 MoreStyleは、フーリエ空間の低周波制約を緩和することで、イメージスタイルを多様化する。 敵対的学習の助けを借りて、MoreStyleは潜在機能の中で最も複雑なスタイルの組み合わせを指差している。
• 参考スコア（独自算出の注目度）: 53.24011398381715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The task of single-source domain generalization (SDG) in medical image segmentation is crucial due to frequent domain shifts in clinical image datasets. To address the challenge of poor generalization across different domains, we introduce a Plug-and-Play module for data augmentation called MoreStyle. MoreStyle diversifies image styles by relaxing low-frequency constraints in Fourier space, guiding the image reconstruction network. With the help of adversarial learning, MoreStyle further expands the style range and pinpoints the most intricate style combinations within latent features. To handle significant style variations, we introduce an uncertainty-weighted loss. This loss emphasizes hard-to-classify pixels resulting only from style shifts while mitigating true hard-to-classify pixels in both MoreStyle-generated and original images. Extensive experiments on two widely used benchmarks demonstrate that the proposed MoreStyle effectively helps to achieve good domain generalization ability, and has the potential to further boost the performance of some state-of-the-art SDG methods. Source code is available at https://github.com/zhaohaoyu376/morestyle.
• Abstract（参考訳）: 医療画像セグメント化における単一ソース領域一般化(SDG)の課題は、臨床画像データセットのドメインシフトが頻発していることから重要である。 そこで本研究では,データ拡張のためのPlug-and-PlayモジュールであるMoreStyleを導入する。 MoreStyleは、フーリエ空間における低周波制約を緩和し、画像再構成ネットワークを導くことにより、画像スタイルを多様化する。 敵対的な学習の助けを借りて、MoreStyleはスタイル範囲をさらに拡大し、潜在機能の中で最も複雑なスタイルの組み合わせをピンポイントする。 重要なスタイルの変化に対処するために、不確実性重み付き損失を導入する。 この損失は、MoreStyle生成画像とオリジナル画像の両方において真の分類困難画素を緩和しながら、スタイルシフトによってのみ生じる、分類困難画素を強調している。 広く使われている2つのベンチマークの広範な実験により、提案されたMoreStyleはドメインの一般化能力を効果的に達成し、最先端のSDG法の性能をさらに向上させる可能性が示された。 ソースコードはhttps://github.com/zhaohaoyu376/morestyleで入手できる。

関連論文リスト

• Intra- & Extra-Source Exemplar-Based Style Synthesis for Improved Domain Generalization [21.591831983223997]
  セマンティックセグメンテーションにおけるドメインの一般化を改善するために,先進的なスタイル合成パイプラインを提案する。 提案手法は,StyleGAN2インバージョンのためのマスク付きノイズエンコーダに基づく。 データシフトの種類によって、ドライブシーンセマンティックセマンティックセグメンテーションの最大12.4%のmIoU改善を実現しています。
  論文  参考訳（メタデータ） (2023-07-02T19:56:43Z)
• Intra-Source Style Augmentation for Improved Domain Generalization [21.591831983223997]
  セマンティックセグメンテーションにおける領域一般化を改善するために,イントラソーススタイル拡張(ISSA)手法を提案する。 ISSAはモデルに依存しず、CNNやTransformerで簡単に適用できる。 また、Cityscapes から Dark Z"urich の最近の最先端ソリューション RobustNet を $3%$ mIoU で改善するなど、他の領域の一般化手法を補完する。
  論文  参考訳（メタデータ） (2022-10-18T21:33:25Z)
• Adversarial Style Augmentation for Domain Generalized Urban-Scene Segmentation [120.96012935286913]
  そこで本研究では,学習中にハードなスタイリング画像を生成可能な,新たな対向型拡張手法を提案する。 2つの合成から実のセマンティックセグメンテーションベンチマークの実験により、AdvStyleは目に見えない実領域におけるモデル性能を大幅に改善できることを示した。
  論文  参考訳（メタデータ） (2022-07-11T14:01:25Z)
• MaxStyle: Adversarial Style Composition for Robust Medical Image Segmentation [12.329474646700776]
  畳み込みニューラルネットワーク(CNN)は、トレーニングとテストセットが同じドメインから存在するベンチマークデータセットにおいて、顕著なセグメンテーション精度を達成した。 CNNのパフォーマンスは、不明なドメインで著しく低下し、多くの臨床シナリオにおけるCNNの展開を妨げる。 我々は,OODモデルの性能向上のためのスタイル拡張の有効性を最大化するMaxStyleという新しいデータ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-02T21:37:21Z)
• Domain Enhanced Arbitrary Image Style Transfer via Contrastive Learning [84.8813842101747]
  Contrastive Arbitrary Style Transfer (CAST) は、新しいスタイル表現学習法である。 本フレームワークは,スタイルコード符号化のための多層スタイルプロジェクタ,スタイル分布を効果的に学習するためのドメイン拡張モジュール,画像スタイル転送のための生成ネットワークという,3つのキーコンポーネントから構成される。
  論文  参考訳（メタデータ） (2022-05-19T13:11:24Z)
• Style-Based Global Appearance Flow for Virtual Try-On [119.95115739956661]
  本研究では, 新たなグローバルな外見フロー推定モデルを提案する。 仮想試行ベンチマークによる実験結果から,本手法が新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2022-04-03T10:58:04Z)
• Wave-SAN: Wavelet based Style Augmentation Network for Cross-Domain Few-Shot Learning [95.78635058475439]
  クロスドメイン少ショット学習は、一般的な自然画像から新しいドメイン固有のターゲットカテゴリへ知識を伝達することを目的としている。 本稿では、ソースデータセットのスタイル分布を分散させることにより、CD-FSLの問題点を考察する。 我々のモデルを視覚的スタイルに堅牢にするために、低周波成分のスタイルを交換することで、ソースイメージを拡張します。
  論文  参考訳（メタデータ） (2022-03-15T05:36:41Z)
• Style-invariant Cardiac Image Segmentation with Test-time Augmentation [10.234493507401618]
  ディープモデルは、実際の臨床環境での外観の変化により、しばしば深刻なパフォーマンス低下に悩まされる。 本稿では,心臓画像分割のための新しいスタイル不変手法を提案する。
  論文  参考訳（メタデータ） (2020-09-24T08:27:40Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。