Fugu-MT 論文翻訳(概要): Fidelity-Imposed Displacement Editing for the Learn2Reg 2024 SHG-BF Challenge

論文の概要: Fidelity-Imposed Displacement Editing for the Learn2Reg 2024 SHG-BF Challenge

arxiv url: http://arxiv.org/abs/2410.20812v1
Date: Mon, 28 Oct 2024 08:00:04 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-29 12:15:13.465007
Title: Fidelity-Imposed Displacement Editing for the Learn2Reg 2024 SHG-BF Challenge
Title（参考訳）: Learn2Reg 2024 SHG-BF チャレンジのための忠実度を考慮した変位編集
Authors: Jiacheng Wang, Xiang Chen, Renjiu Hu, Rongguang Wang, Min Liu, Yaonan Wang, Jiazheng Wang, Hao Li, Hang Zhang,
Abstract要約: SHGとBF画像の大規模な相違は、現在の学習ベース登録モデルに課題をもたらす。これらの課題に対処するために、忠実度を付与した変位編集を利用する新しいマルチモーダル登録フレームワークを提案する。
参考スコア（独自算出の注目度）: 23.621648532993024
License:
Abstract: Co-examination of second-harmonic generation (SHG) and bright-field (BF) microscopy enables the differentiation of tissue components and collagen fibers, aiding the analysis of human breast and pancreatic cancer tissues. However, large discrepancies between SHG and BF images pose challenges for current learning-based registration models in aligning SHG to BF. In this paper, we propose a novel multi-modal registration framework that employs fidelity-imposed displacement editing to address these challenges. The framework integrates batch-wise contrastive learning, feature-based pre-alignment, and instance-level optimization. Experimental results from the Learn2Reg COMULISglobe SHG-BF Challenge validate the effectiveness of our method, securing the 1st place on the online leaderboard.
Abstract（参考訳）: 第2高調波発生(SHG)と明視野顕微鏡(BF)の併用により、組織成分とコラーゲン繊維の分化が可能となり、ヒト乳癌および膵癌組織の解析に役立てられる。しかし、SHGとBF画像の大きな相違は、SHGとBFの整列において現在の学習ベース登録モデルに課題をもたらす。本稿では,これらの課題に対処するために,忠実度を付与した変位編集を利用した新しいマルチモーダル登録フレームワークを提案する。このフレームワークはバッチ指向のコントラスト学習、機能ベースの事前調整、インスタンスレベルの最適化を統合している。 Learn2Reg COMULISglobe SHG-BF Challengeによる実験結果から,本手法の有効性を検証し,オンラインリーダーボード上で第1位を確保した。

関連論文リスト

Automatic Registration of SHG and H&E Images with Feature-based Initial Alignment and Intensity-based Instance Optimization: Contribution to the COMULIS Challenge [2.1640167354628046]
ヘマトキシリンおよびエオシンスライドに対する非侵襲的第二高調波発生顕微鏡は非常に望ましいが、未解決の問題である。第2高調波画像は部分的情報のみを含むため、この課題は困難である。本稿では,自動キーポイントマッチングに基づく手法と,インスタンス最適化に基づく変形可能な登録手法を提案する。
論文参考訳（メタデータ） (2024-09-24T09:55:40Z)
Intrapartum Ultrasound Image Segmentation of Pubic Symphysis and Fetal Head Using Dual Student-Teacher Framework with CNN-ViT Collaborative Learning [1.5233179662962222]
pubic symphysis and fetal head (PSFH) の分節は、労働の進行をモニターし、潜在的に引き起こされる合併症を特定するための重要なステップである。従来の半教師付き学習アプローチは、主に畳み込みニューラルネットワーク(CNN)に基づく統合ネットワークモデルを利用する。 CNN と Transformer を組み合わせた新しいフレームワークである Dual-Student and Teacher Combining CNN (DSTCT) を導入する。
論文参考訳（メタデータ） (2024-09-11T00:57:31Z)
Fairness-Aware Meta-Learning via Nash Bargaining [63.44846095241147]
本稿では,機械学習におけるグループレベルの公平性の問題に対処する2段階のメタ学習フレームワークを提案する。第1段階では、過度な競合を解決するためにNash Bargaining Solution(NBS)を使用して、モデルをステアリングする。 6つのキーフェアネスデータセットと2つの画像分類タスクにおいて、様々なフェアネス目標に対して経験的効果を示す。
論文参考訳（メタデータ） (2024-06-11T07:34:15Z)
Enhancing Compositional Generalization via Compositional Feature Alignment [14.289836081158615]
我々は、既存の実世界の画像データセットから派生したCGベンチマークスイートであるCG-Benchを開発した。簡単な2段階ファインタニング手法であるコンポジション・フィーチャーアライメント(CFA)を提案する。 CG-Bench for CLIP and DINOv2, two powerful pretrained vision foundation model。
論文参考訳（メタデータ） (2024-02-05T10:06:24Z)
Forgery-aware Adaptive Transformer for Generalizable Synthetic Image Detection [106.39544368711427]
本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
論文参考訳（メタデータ） (2023-12-27T17:36:32Z)
Separate-and-Enhance: Compositional Finetuning for Text2Image Diffusion Models [58.46926334842161]
この研究は、注意力の低いアクティベーションスコアとマスクオーバーラップに関連する問題を指摘し、このような不一致の根本的な理由を照らしている。本稿では,物体マスクの重なりを低減し,注目度を最大化する2つの新しい目的,分離損失とエンハンス損失を提案する。提案手法は従来のテスト時間適応手法と異なり,拡張性と一般化性を高める重要なパラメータの微調整に重点を置いている。
論文参考訳（メタデータ） (2023-12-10T22:07:42Z)
Hybrid-Supervised Dual-Search: Leveraging Automatic Learning for Loss-free Multi-Exposure Image Fusion [60.221404321514086]
マルチ露光画像融合(MEF)は、様々な露光レベルを表すデジタルイメージングの限界に対処するための重要な解決策である。本稿では、ネットワーク構造と損失関数の両方を自動設計するための二段階最適化探索方式であるHSDS-MEFと呼ばれるMEFのためのハイブリッドスーパービジョンデュアルサーチ手法を提案する。
論文参考訳（メタデータ） (2023-09-03T08:07:26Z)
Breaking Through the Haze: An Advanced Non-Homogeneous Dehazing Method based on Fast Fourier Convolution and ConvNeXt [14.917290578644424]
ヘイズは通常、低コントラスト、色の変化、構造歪みで劣化した画像につながる。本稿では、2次元離散ウェーブレット変換(DWT)、高速フーリエ畳み込み(FFC)残差ブロック、事前訓練されたConvNeXtモデルを活用する2つの分岐ネットワークを提案する。我々のモデルは、グローバルな文脈情報を効果的に探索し、知覚品質の高い画像を生成することができる。
論文参考訳（メタデータ） (2023-05-08T02:59:02Z)
Editing Out-of-domain GAN Inversion via Differential Activations [56.62964029959131]
本稿では,構成分解パラダイムを用いて,ドメイン外反転問題に対処する新しいGAN事前編集フレームワークを提案する。生成されたDiff-CAMマスクの助けを借りて、粗い再構成を直感的に元の画像と編集された画像で合成することができる。また, 分解段階において, 粗い再構成から最終微編集画像を切り離すための, GAN 以前のデゴーストネットワークを提示する。
論文参考訳（メタデータ） (2022-07-17T10:34:58Z)
Robust Single Image Dehazing Based on Consistent and Contrast-Assisted Reconstruction [95.5735805072852]
画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。我々の手法は最先端のアプローチを大きく上回っている。
論文参考訳（メタデータ） (2022-03-29T08:11:04Z)

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。