論文の概要: MonoPCC: Photometric-invariant Cycle Constraint for Monocular Depth Estimation of Endoscopic Images

• arxiv url: http://arxiv.org/abs/2404.16571v2
• Date: Tue, 7 May 2024 16:55:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-08 18:53:50.448264
• Title: MonoPCC: Photometric-invariant Cycle Constraint for Monocular Depth Estimation of Endoscopic Images
• Title（参考訳）: MonoPCC: 内視鏡画像の単眼深度推定のための光量不変サイクル制約
• Authors: Zhiwei Wang, Ying Zhou, Shiquan He, Ting Li, Fan Huang, Qiang Ding, Xinxia Feng, Mei Liu, Qiang Li,
• Abstract要約: 光度制約は自己教師付き単眼深度推定には不可欠である。 内蔵された光は、大きな明るさの変動を引き起こし、光度制限が信頼性を損なう。 本稿では,光度制約を周期形式に変換することにより,輝度の不整合を根本的に解消するMonoPCCを提案する。
• 参考スコア（独自算出の注目度）: 20.439758719616048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Photometric constraint is indispensable for self-supervised monocular depth estimation. It involves warping a source image onto a target view using estimated depth&pose, and then minimizing the difference between the warped and target images. However, the endoscopic built-in light causes significant brightness fluctuations, and thus makes the photometric constraint unreliable. Previous efforts only mitigate this relying on extra models to calibrate image brightness. In this paper, we propose MonoPCC to address the brightness inconsistency radically by reshaping the photometric constraint into a cycle form. Instead of only warping the source image, MonoPCC constructs a closed loop consisting of two opposite forward-backward warping paths: from target to source and then back to target. Thus, the target image finally receives an image cycle-warped from itself, which naturally makes the constraint invariant to brightness changes. Moreover, MonoPCC transplants the source image's phase-frequency into the intermediate warped image to avoid structure lost, and also stabilizes the training via an exponential moving average (EMA) strategy to avoid frequent changes in the forward warping. The comprehensive and extensive experimental results on four endoscopic datasets demonstrate that our proposed MonoPCC shows a great robustness to the brightness inconsistency, and exceeds other state-of-the-arts by reducing the absolute relative error by at least 7.27%, 9.38%, 9.90% and 3.17%, respectively.
• Abstract（参考訳）: 光度制約は自己教師付き単眼深度推定には不可欠である。 ソースイメージを推定された深さ/目的を使ってターゲットビューにワープし、ワープされた画像とターゲットイメージの差を最小限にする。 しかし、内視鏡内蔵光は大きな明るさ変動を引き起こすため、光度制約は信頼できない。 以前の取り組みは、画像の明るさを調整するための余分なモデルに頼ることで、これを緩和するだけであった。 本稿では,光度制約を周期形式に変換することにより,輝度の不整合を根本的に解消するMonoPCCを提案する。 ソースイメージをワープする代わりに、MonoPCCは、ターゲットからソースへ、そしてターゲットへという2つの反対の前方方向のワープパスからなるクローズドループを構築する。 これにより、ターゲット画像は最終的に自身からワープされた画像サイクルを受け取り、自然に輝度に制約が不変となる。 さらに、MonoPCCは、ソース画像の位相周波数を中間歪画像に移植し、構造損失を回避するとともに、指数的移動平均(EMA)戦略を用いてトレーニングを安定化し、前方歪の頻繁な変化を避ける。 4つの内視鏡的データセットの総合的および広範囲な実験結果から、提案したMonoPCCは、輝度不整合に大きな堅牢性を示し、それぞれ7.27%、9.38%、9.90%、および3.17%の絶対相対誤差を減少させることにより、他の最先端技術を上回ることを示した。

関連論文リスト

• Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer for Exposure Correction [65.5397271106534]
  単一のニューラルネットワークは、すべての露光問題に対処することが難しい。 特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。 本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
  論文  参考訳（メタデータ） (2023-09-02T09:07:36Z)
• Multipass wide-field phase imager [0.8317595522478687]
  複数mm2大視野の多目的干渉コントラストイメージング技術について報告する。 自己イメージの非共鳴キャビティを使用することで、感度が向上する。 位相プロファイルは、特別に設計された単光子カメラのおかげで、各ラウンドごとに個別に解決できる。
  論文  参考訳（メタデータ） (2023-06-30T10:56:00Z)
• LUT-GCE: Lookup Table Global Curve Estimation for Fast Low-light Image Enhancement [62.17015413594777]
  LUT-GCEという低照度画像強調のための効果的かつ効率的な手法を提案する。 画像全体に対する大域的な曲線を推定し、被曝と過剰露光の両方の補正を可能にする。 我々のアプローチは、特に高精細画像(例えば1080pと4k)において、推論速度の観点から、技術の現状よりも優れています。
  論文  参考訳（メタデータ） (2023-06-12T12:53:06Z)
• Fluctuation-based deconvolution in fluorescence microscopy using plug-and-play denoisers [2.236663830879273]
  蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。 この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
  論文  参考訳（メタデータ） (2023-03-20T15:43:52Z)
• Frequency-Aware Self-Supervised Monocular Depth Estimation [41.97188738587212]
  自己教師付き単眼深度推定モデルを改善するための2つの多目的手法を提案する。 本手法の高一般化性は,測光損失関数の基本的およびユビキタスな問題を解くことによって達成される。 我々は、解釈可能な解析で深度推定器を改善するために、初めてぼやけた画像を提案する。
  論文  参考訳（メタデータ） (2022-10-11T14:30:26Z)
• Fast Two-step Blind Optical Aberration Correction [15.555393702795076]
  本稿では,1つの生画像やJPEG画像の光収差を補正する2段階の手法を提案する。 まず、重複するパッチに対して局所ガウスのぼかしカーネルを推定し、非盲検でそれらをシャープ化する。 第2に、畳み込みニューラルネットワークを用いて、残りの横色収差を除去する。
  論文  参考訳（メタデータ） (2022-08-01T16:04:46Z)
• Degradation-agnostic Correspondence from Resolution-asymmetric Stereo [96.03964515969652]
  テレワイドカメラシステムで取得した解像度の異なる2枚の画像からステレオマッチングの問題を考察する。 特徴量整合性という画像空間の代わりに特徴空間に2つのビュー間の整合性を課すことを提案する。 測光損失をトレーニングしたステレオマッチングネットワークは最適ではないが, 特徴抽出器は劣化に依存しない, マッチング特有の特徴を生成できる。
  論文  参考訳（メタデータ） (2022-04-04T12:24:34Z)
• Invertible Network for Unpaired Low-light Image Enhancement [78.33382003460903]
  本稿では,非可逆的ネットワークを活用して,前処理における低照度画像の強化と,非対向学習により逆向きに通常の照度画像の劣化を図ることを提案する。 対向的損失に加えて、トレーニングの安定性を確保し、より詳細な画像を保存するために、様々な損失関数を設計する。 低照度画像に対するプログレッシブ自己誘導強調処理を提案し,SOTAに対して良好な性能を示す。
  論文  参考訳（メタデータ） (2021-12-24T17:00:54Z)
• Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
  本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。 このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
  論文  参考訳（メタデータ） (2020-07-21T17:30:51Z)
• Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement [156.18634427704583]
  本稿では、深部ネットワークを用いた画像特異的曲線推定のタスクとして光強調を定式化するゼロ参照深部曲線推定法(Zero-DCE)を提案する。 提案手法は,DCE-Netという軽量な深層ネットワークをトレーニングし,画像のダイナミックレンジ調整のための画素幅と高次曲線を推定する。
  論文  参考訳（メタデータ） (2020-01-19T13:49:15Z)

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。