論文の概要: Attention-Aware Laparoscopic Image Desmoking Network with Lightness Embedding and Hybrid Guided Embedding
- arxiv url: http://arxiv.org/abs/2404.07556v1
- Date: Thu, 11 Apr 2024 08:36:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-12 14:39:15.967411
- Title: Attention-Aware Laparoscopic Image Desmoking Network with Lightness Embedding and Hybrid Guided Embedding
- Title（参考訳）: ライトネス埋め込みとハイブリッドガイド埋め込みを併用した注意型腹腔鏡下禁煙ネットワーク
- Authors: Ziteng Liu, Jiahua Zhu, Bainan Liu, Hao Liu, Wenpeng Gao, Yili Fu,
- Abstract要約: 煙の分布を推定し,鮮明で無煙な手術シーンを再構築するために,2段階のネットワークを提案する。
提案手法は、最先端の手法よりも2.79%高いピーク・シグナル・トゥ・ノイズ比を有する。
- 参考スコア（独自算出の注目度）: 9.909043664967063
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel method of smoke removal from the laparoscopic images. Due to the heterogeneous nature of surgical smoke, a two-stage network is proposed to estimate the smoke distribution and reconstruct a clear, smoke-free surgical scene. The utilization of the lightness channel plays a pivotal role in providing vital information pertaining to smoke density. The reconstruction of smoke-free image is guided by a hybrid embedding, which combines the estimated smoke mask with the initial image. Experimental results demonstrate that the proposed method boasts a Peak Signal to Noise Ratio that is $2.79\%$ higher than the state-of-the-art methods, while also exhibits a remarkable $38.2\%$ reduction in run-time. Overall, the proposed method offers comparable or even superior performance in terms of both smoke removal quality and computational efficiency when compared to existing state-of-the-art methods. This work will be publicly available on http://homepage.hit.edu.cn/wpgao
- Abstract（参考訳）: 本稿では,腹腔鏡画像から煙を除去する方法を提案する。
手術用煙の異種性から, 煙の分布を推定し, 明確な無煙手術シーンを再構築する2段階ネットワークが提案されている。
軽度チャネルの利用は、煙密度に関する重要な情報を提供する上で重要な役割を担っている。
推定煙マスクと初期画像とを組み合わせたハイブリッド埋め込みにより、無煙画像の再構成を導出する。
実験結果から,提案手法のピーク信号対ノイズ比は最先端手法よりも2.79 %高いのに対し,実行時間に38.2 %の低減効果が認められた。
提案手法は, 従来の最先端手法と比較して, 煙除去品質と計算効率の両面において, 同等あるいは優れた性能を提供する。
この作業はhttp://homepage.hit.edu.cn/wpgaoで公開される。
関連論文リスト
- LSD3K: A Benchmark for Smoke Removal from Laparoscopic Surgery Images [0.7138611948315257]
腹腔鏡下手術で手術器具が生み出す煙は視野を曖昧にし、外科医が正確に安全に手術を行う能力を損なう。
近年、腹腔鏡画像の喫煙が研究者の注目を集めているが、このタスクの開発を妨害する主要なボトルネックは、公開可能な高品質なベンチマークデータセットの欠如である。
我々は, 3000対の合成非均一煙像からなる, LSD3Kと呼ばれる腹腔鏡下手術画像デスモーキングのための新しい高品質データセットを構築した。
論文 参考訳（メタデータ） (2024-07-18T03:42:16Z) - Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。
提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。
提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
論文 参考訳（メタデータ） (2024-03-12T05:06:07Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。
我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
論文 参考訳（メタデータ） (2023-04-02T10:25:09Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳（メタデータ） (2022-06-09T14:00:26Z) - A Bottom-up method Towards the Automatic and Objective Monitoring of
Smoking Behavior In-the-wild using Wrist-mounted Inertial Sensors [6.955421797534318]
タバコの消費量は世界的な流行率に達しており、死因や病気の主な原因となっている。
本稿では,喫煙行動の自動的・客観的モニタリングに向けた2段階のボトムアップアルゴリズムを提案する。
最初のステップでは、畳み込み層と反復層の両方を持つ人工ニューラルネットワークを用いて、個々の喫煙動作(即ちパフ)を検出する。
第2のステップでは,検出されたパフ密度を利用して,日中発生する喫煙セッションの時間的局所化を実現している。
論文 参考訳（メタデータ） (2021-09-08T07:50:47Z) - Non-Homogeneous Haze Removal via Artificial Scene Prior and
Bidimensional Graph Reasoning [52.07698484363237]
本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。
本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
論文 参考訳（メタデータ） (2021-04-05T13:04:44Z) - Region extraction based approach for cigarette usage classification
using deep learning [15.387646343210337]
本研究では, 深層学習を用いた画像から関連領域を抽出し, 喫煙行動を分類する新しい手法を提案する。
分類後,Yolo-v3に基づく条件検出モジュールを提案し,モデルの性能を向上し,その複雑性を低減する。
提案手法は,このデータセット上で96.74%の分類精度を達成している。
論文 参考訳（メタデータ） (2021-03-23T13:19:43Z) - Dual Adversarial Network: Toward Real-world Noise Removal and Noise
Generation [52.75909685172843]
実世界の画像ノイズ除去は、コンピュータビジョンにおける長年の課題である。
本稿では,ノイズ除去およびノイズ発生タスクに対処する新しい統合フレームワークを提案する。
本手法はクリーンノイズ画像対の連成分布を学習する。
論文 参考訳（メタデータ） (2020-07-12T09:16:06Z) - Desmoking laparoscopy surgery images using an image-to-image translation
guided by an embedded dark channel [3.1706553206969916]
腹腔鏡下手術では、$CO$注入による煙と解離ツールにより、画像の視認性が著しく低下する可能性がある。
本稿では,煙効果を除去するための新しい計算手法を提案する。
提案手法は,暗黒チャネルを組込みガイドマスクとして用いる画像から画像への条件付き生成対向ネットワークに基づいている。
論文 参考訳（メタデータ） (2020-04-19T19:51:24Z)
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。