論文の概要: Investigating the Impact of Various Loss Functions and Learnable Wiener Filter for Laparoscopic Image Desmoking
- arxiv url: http://arxiv.org/abs/2509.09849v1
- Date: Thu, 11 Sep 2025 20:58:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-15 16:03:07.920638
- Title: Investigating the Impact of Various Loss Functions and Learnable Wiener Filter for Laparoscopic Image Desmoking
- Title（参考訳）: 腹腔鏡下除煙における各種損失関数と学習可能なウィナーフィルタの影響の検討
- Authors: Chengyu Yang, Chengjun Liu,
- Abstract要約: 本研究の目的は,最近提案された腹腔鏡下画像喫煙のためのULWフレームワークにおいて,個々の成分の有効性と必要性を徹底的に評価することである。
このフレームワークは、U-Netベースのバックボーンと、平均二乗誤差(MSE)、構造類似度指数(SSIM)損失、知覚損失を含む複合損失関数を組み合わせる。
- 参考スコア（独自算出の注目度）: 5.1261951744603715
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To rigorously assess the effectiveness and necessity of individual components within the recently proposed ULW framework for laparoscopic image desmoking, this paper presents a comprehensive ablation study. The ULW approach combines a U-Net based backbone with a compound loss function that comprises mean squared error (MSE), structural similarity index (SSIM) loss, and perceptual loss. The framework also incorporates a differentiable, learnable Wiener filter module. In this study, each component is systematically ablated to evaluate its specific contribution to the overall performance of the whole framework. The analysis includes: (1) removal of the learnable Wiener filter, (2) selective use of individual loss terms from the composite loss function. All variants are benchmarked on a publicly available paired laparoscopic images dataset using quantitative metrics (SSIM, PSNR, MSE and CIEDE-2000) alongside qualitative visual comparisons.
- Abstract（参考訳）: 最近提案された腹腔鏡下画像除去のためのULWフレームワークにおける個々の成分の有効性と必要性を徹底的に評価するために,本論文は包括的アブレーション研究について述べる。
ULWアプローチでは、U-Netベースのバックボーンと、平均二乗誤差(MSE)、構造類似度指数(SSIM)損失、知覚損失を含む複合損失関数を組み合わせる。
フレームワークには、微分可能で学習可能なWienerフィルタモジュールも組み込まれている。
本研究では,フレームワーク全体のパフォーマンスに対する具体的な貢献を評価するために,各コンポーネントを体系的に改良した。
1)学習可能なWienerフィルタの除去,(2)複合損失関数からの個人損失項の選択的利用を含む。
全ての変種は、定量的メトリクス(SSIM、PSNR、MSE、CIEDE-2000)と定性的な視覚的比較を用いて、公開されている2つの腹腔鏡画像データセット上でベンチマークされる。
関連論文リスト
- Laparoscopic Image Desmoking Using the U-Net with New Loss Function and Integrated Differentiable Wiener Filter [5.747172898125006]
腹腔鏡下手術は、手術器具によって引き起こされた外科的煙の存在により、視力の低下に悩まされることが多い。
手術煙を除去するために,新しい損失関数と差別化可能なウィナーフィルタ (ULW) を用いた新しいU-Net深層学習法を提案する。
実験の結果,提案手法は視覚的明瞭度と距離に基づく評価の両面で優れていることがわかった。
論文 参考訳（メタデータ） (2025-05-27T18:07:06Z) - Speckle Noise Analysis for Synthetic Aperture Radar (SAR) Space Data [0.0]
本研究は,6種類のスペックルノイズ低減技術の比較分析を行った。
PNR(Peak Signal-to-Noise Ratio)、MSE(Mean Squared Error)、SSIM(Structure similarity Index)、ENL(Equivalent Number of Looks)、SSI(Speckle Suppression Index)などの総合的な指標を用いて各手法の性能を評価した。
論文 参考訳（メタデータ） (2024-08-16T14:33:02Z) - Toward a Better Understanding of Loss Functions for Collaborative
Filtering [13.581193492311805]
協調フィルタリング(CF)は現代のレコメンデータシステムにおいて重要な手法である。
最近の研究は、損失関数を単純に再構成するだけで、大幅な性能向上が達成できることを示している。
本稿では、アライメントと均一性の設計を改善する新しい損失関数を提案する。
論文 参考訳（メタデータ） (2023-08-11T12:04:36Z) - Class Anchor Margin Loss for Content-Based Image Retrieval [97.81742911657497]
距離学習パラダイムに該当する新しいレペラ・トラクタ損失を提案するが、ペアを生成する必要がなく、直接L2メトリックに最適化する。
CBIRタスクにおいて,畳み込みアーキテクチャと変圧器アーキテクチャの両方を用いて,少数ショットおよびフルセットトレーニングの文脈で提案した目的を評価する。
論文 参考訳（メタデータ） (2023-06-01T12:53:10Z) - Impact of loss function in Deep Learning methods for accurate retinal
vessel segmentation [1.1470070927586016]
我々は、深層学習アーキテクチャ(U-Net、Attention U-Net、Nested U-Net)とDRIVEデータセットを用いて、Binary Cross Entropy、Dice、Tversky、Comboの損失を比較した。
その結果,損失関数の選択には有意な差が認められた。
論文 参考訳（メタデータ） (2022-06-01T14:47:18Z) - Shared Independent Component Analysis for Multi-Subject Neuroimaging [107.29179765643042]
本稿では,ShICA (Shared Independent Component Analysis) を導入し,各ビューを加法ガウス雑音によって汚染された共有独立成分の線形変換としてモデル化する。
このモデルは、成分がガウス的でないか、あるいはノイズ分散に十分な多様性がある場合、同定可能であることを示す。
我々は,fMRIおよびMEGデータセットの実証的証拠として,ShICAが代替品よりも正確な成分推定を行うことを示す。
論文 参考訳（メタデータ） (2021-10-26T08:54:41Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。
実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文 参考訳（メタデータ） (2020-07-30T05:48:48Z) - Understanding Adversarial Examples from the Mutual Influence of Images
and Perturbations [83.60161052867534]
クリーンな画像と敵の摂動を遠ざけることで敵の例を分析し,その相互への影響を分析した。
以上の結果から,画像と普遍摂動の関係に対する新たな視点が示唆された。
我々は、オリジナルトレーニングデータを活用することなく、目標とするユニバーサルアタックの挑戦的なタスクを最初に達成した人物です。
論文 参考訳（メタデータ） (2020-07-13T05:00:09Z)
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。