Fugu-MT 論文翻訳(概要): Revisiting $Ψ$DONet: microlocally inspired filters for incomplete-data tomographic reconstructions

論文の概要: Revisiting $Ψ$DONet: microlocally inspired filters for incomplete-data tomographic reconstructions

arxiv url: http://arxiv.org/abs/2501.18219v1
Date: Thu, 30 Jan 2025 09:19:09 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-31 15:15:22.815737
Title: Revisiting $Ψ$DONet: microlocally inspired filters for incomplete-data tomographic reconstructions
Title（参考訳）: 不完全データトモグラフィ再構成のためのマイクロローカルインスパイアされたフィルタの再検討
Authors: Tatiana A. Bubba, Luca Ratti, Andrea Sebastiani,
Abstract要約: 我々は、$Psi$DONetとして知られるアンロールに基づく教師あり学習アプローチを再考する。特殊フィルタを考慮したオリジナルの$Psi$DONetの実装を改良する。
参考スコア（独自算出の注目度）: 0.6554326244334868
License:
Abstract: In this paper, we revisit a supervised learning approach based on unrolling, known as $\Psi$DONet, by providing a deeper microlocal interpretation for its theoretical analysis, and extending its study to the case of sparse-angle tomography. Furthermore, we refine the implementation of the original $\Psi$DONet considering special filters whose structure is specifically inspired by the streak artifact singularities characterizing tomographic reconstructions from incomplete data. This allows to considerably lower the number of (learnable) parameters while preserving (or even slightly improving) the same quality for the reconstructions from limited-angle data and providing a proof-of-concept for the case of sparse-angle tomographic data.
Abstract（参考訳）: 本稿では,理論解析のためのより深い局所的解釈を提供することにより,Unrolling($\Psi$DONet)に基づく教師あり学習アプローチを再考し,その研究をスパースアングルトモグラフィー(sparse-angle tomography)に拡張する。さらに,不完全データからのトモグラフィ再構成を特徴とするストリークアーチファクト特異点に特異的に着想を得た特別なフィルタを考慮に入れたオリジナルの$\Psi$DONetの実装を改良する。これにより、限られた角度のデータから再構成するのと同じ品質を保存(あるいはわずかに改善)しながら、(学習可能な)パラメータの数を大幅に減少させ、スパース角度トモグラフィーデータの場合の概念実証を提供することができる。

関連論文リスト

Re-Visible Dual-Domain Self-Supervised Deep Unfolding Network for MRI Reconstruction [48.30341580103962]
本稿では、これらの問題に対処するために、新しい再視覚的二重ドメイン自己教師型深層展開ネットワークを提案する。エンド・ツー・エンドの再構築を実現するために,シャンブルとポック・プロキシ・ポイント・アルゴリズム(DUN-CP-PPA)に基づく深層展開ネットワークを設計する。高速MRIおよびIXIデータセットを用いて行った実験により,本手法は再建性能において最先端の手法よりも有意に優れていることが示された。
論文参考訳（メタデータ） (2025-01-07T12:29:32Z)
Evaluating Loss Landscapes from a Topology Perspective [43.25939653609482]
ロスランドスケープの基盤となる形状(あるいはトポロジ)を特徴付け、トポロジを定量化し、ニューラルネットワークに関する新たな洞察を明らかにする。その結果を機械学習(ML)の文献に関連付けるため,簡単なパフォーマンス指標を計算した。損失景観の形状を定量化することで、モデル性能と学習ダイナミクスに対する新たな洞察が得られることを示す。
論文参考訳（メタデータ） (2024-11-14T20:46:26Z)
IsUMap: Manifold Learning and Data Visualization leveraging Vietoris-Rips filtrations [0.08796261172196743]
局所的に歪んだ距離空間に対する距離表現の体系的かつ詳細な構成を示す。提案手法は,非一様データ分布と複雑な局所的ジオメトリの調整により,既存の手法の制約に対処する。
論文参考訳（メタデータ） (2024-07-25T07:46:30Z)
SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
論文参考訳（メタデータ） (2024-07-23T20:34:23Z)
Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
論文参考訳（メタデータ） (2024-01-12T17:57:07Z)
Subspace-Guided Feature Reconstruction for Unsupervised Anomaly Localization [5.085309164633571]
監督されていない異常なローカライゼーションは工業生産において重要な役割を担っている。最近の手法では、事前訓練されたディープニューラルネットワークを用いて、ターゲットサンプルの特徴マッチングや再構成を行う。本稿では,アノマライゼーションのための適応的特徴近似を追求する,新しいサブスペース誘導型特徴再構成フレームワークを提案する。
論文参考訳（メタデータ） (2023-09-25T06:58:57Z)
Robust Geometry-Preserving Depth Estimation Using Differentiable Rendering [93.94371335579321]
我々は、余分なデータやアノテーションを必要とせずに、幾何学保存深度を予測するためにモデルを訓練する学習フレームワークを提案する。包括的な実験は、我々のフレームワークの優れた一般化能力を強調します。我々の革新的な損失関数は、ドメイン固有のスケール・アンド・シフト係数を自律的に復元するモデルを可能にします。
論文参考訳（メタデータ） (2023-09-18T12:36:39Z)
Hodge-Aware Contrastive Learning [101.56637264703058]
単純コンプレックスは、マルチウェイ依存によるデータのモデリングに有効である。我々は、単純なデータを処理するための対照的な自己教師付き学習手法を開発した。
論文参考訳（メタデータ） (2023-09-14T00:40:07Z)
Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文参考訳（メタデータ） (2022-06-23T14:16:30Z)
Topology-Preserving Dimensionality Reduction via Interleaving Optimization [10.097180927318703]
本稿では, インターリーブ距離を最小化する最適化手法を次元還元アルゴリズムに組み込む方法について述べる。データビジュアライゼーションにおけるこのフレームワークの有用性を実証する。
論文参考訳（メタデータ） (2022-01-31T06:11:17Z)
2-Step Sparse-View CT Reconstruction with a Domain-Specific Perceptual Network [14.577323946585755]
本稿では,再構成を2段階に分割し,スパースビュートモグラフィのための新しい枠組みを提案する。中間的な結果は、保存された細部とストリークアーティファクトを高度に縮小したクローズドフォームのトモグラフィー再構成を可能にする。第2に、復元を訓練したリファインメントネットワークであるprnは、残りのアーティファクトを減らす。
論文参考訳（メタデータ） (2020-12-08T21:16:43Z)

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。