論文の概要: PSI3D: Plug-and-Play 3D Stochastic Inference with Slice-wise Latent Diffusion Prior

• arxiv url: http://arxiv.org/abs/2512.18367v1
• Date: Sat, 20 Dec 2025 13:37:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.307873
• Title: PSI3D: Plug-and-Play 3D Stochastic Inference with Slice-wise Latent Diffusion Prior
• Title（参考訳）: PSI3D:スライスワイズ遅延拡散によるプラグアンドプレイ3D確率推論
• Authors: Wenhan Guo, Jinglun Yu, Yaning Wang, Jin U. Kang, Yu Sun,
• Abstract要約: 遅延拡散前の3次元推論のためのプラグアンドプレイアルゴリズム(PSI3D)を提案する。 具体的にはマルコフ連鎖モンテカルロ法を定式化し、各2次元(2次元)スライスを2次元潜在拡散モデルからサンプリングする。
• 参考スコア（独自算出の注目度）: 5.104613802755622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion models are highly expressive image priors for Bayesian inverse problems. However, most diffusion models cannot operate on large-scale, high-dimensional data due to high training and inference costs. In this work, we introduce a Plug-and-play algorithm for 3D stochastic inference with latent diffusion prior (PSI3D) to address massive ($1024\times 1024\times 128$) volumes. Specifically, we formulate a Markov chain Monte Carlo approach to reconstruct each two-dimensional (2D) slice by sampling from a 2D latent diffusion model. To enhance inter-slice consistency, we also incorporate total variation (TV) regularization stochastically along the concatenation axis. We evaluate our performance on optical coherence tomography (OCT) super-resolution. Our method significantly improves reconstruction quality for large-scale scientific imaging compared to traditional and learning-based baselines, while providing robust and credible reconstructions.
• Abstract（参考訳）: 拡散モデルはベイズ逆問題に対する非常に表現力の高い画像先行である。 しかし、ほとんどの拡散モデルは、高いトレーニングと推論コストのため、大規模で高次元のデータでは動作できない。 本研究では,PSI3Dを用いた3次元確率推論のためのPlug-and-playアルゴリズムを導入し,大容量(1024\times 1024\times 128$)に対処する。 具体的にはマルコフ連鎖モンテカルロ法を定式化し、各2次元(2次元)スライスを2次元潜在拡散モデルからサンプリングする。 また,スライス間の整合性を高めるために,連結軸に沿って確率的に全変分(TV)正則化を組み込む。 光学コヒーレンストモグラフィ(OCT)の超解像性能について検討した。 提案手法は,従来のベースラインや学習ベースラインと比較して,大規模な科学的画像の再現性を大幅に向上すると同時に,堅牢で信頼性の高い再構成も提供する。

関連論文リスト

• Lightweight and Accurate Multi-View Stereo with Confidence-Aware Diffusion Model [81.01939699480094]
  本稿では,MVSに拡散モデルを導入する新しいMVSフレームワークを提案する。 深度推定の識別特性を考慮し,拡散過程を導出する条件エンコーダを設計する。 本稿では,新しいMVSフレームワークであるDiffMVSとCasMVSの2つの新しいMVS手法を提案する。
  論文  参考訳（メタデータ） (2025-09-18T17:59:19Z)
• Introducing 3D Representation for Medical Image Volume-to-Volume Translation via Score Fusion [3.3559609260669303]
  Score-Fusionは、垂直に訓練された2次元拡散モデルをスコア関数空間に組み込むことで、3次元表現を効果的に学習する新しいボリューム変換モデルである。 Score-Fusionは,3次元医用画像の高分解能・モダリティ変換において,高い精度と容積忠実性が得られることを示す。
  論文  参考訳（メタデータ） (2025-01-13T15:54:21Z)
• DSplats: 3D Generation by Denoising Splats-Based Multiview Diffusion Models [67.50989119438508]
  本稿では,ガウスをベースとしたレコンストラクタを用いて,リアルな3Dアセットを生成することで,マルチビュー画像を直接認識するDSplatを紹介した。 実験の結果,DSplatsは高品質で空間的に一貫した出力を生成できるだけでなく,単一画像から3次元再構成への新たな標準も設定できることがわかった。
  論文  参考訳（メタデータ） (2024-12-11T07:32:17Z)
• From Diffusion to Resolution: Leveraging 2D Diffusion Models for 3D Super-Resolution Task [19.56372155146739]
  本稿では,3次元電子顕微鏡(vEM)の超解像性を高めるために,2次元拡散モデルと体積内の横方向の連続性を利用する新しい手法を提案する。 イオンビーム走査型電子顕微鏡(FIB-SEM)の2つのデータを用いて,本フレームワークのロバスト性と実用性を示した。
  論文  参考訳（メタデータ） (2024-11-25T09:12:55Z)
• GSD: View-Guided Gaussian Splatting Diffusion for 3D Reconstruction [52.04103235260539]
  単一視点からの3次元オブジェクト再構成のためのガウススプティング表現に基づく拡散モデル手法を提案する。 モデルはGS楕円体の集合で表される3Dオブジェクトを生成することを学習する。 最終的な再構成されたオブジェクトは、高品質な3D構造とテクスチャを持ち、任意のビューで効率的にレンダリングできる。
  論文  参考訳（メタデータ） (2024-07-05T03:43:08Z)
• Sparse3D: Distilling Multiview-Consistent Diffusion for Object Reconstruction from Sparse Views [47.215089338101066]
  スパースビュー入力に適した新しい3D再構成手法であるスパース3Dを提案する。 提案手法は,多視点拡散モデルから頑健な先行情報を抽出し,ニューラルラディアンス場を改良する。 強力な画像拡散モデルから2Dプリエントをタップすることで、我々の統合モデルは、常に高品質な結果をもたらす。
  論文  参考訳（メタデータ） (2023-08-27T11:52:00Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)
• Improving 3D Imaging with Pre-Trained Perpendicular 2D Diffusion Models [52.529394863331326]
  本稿では,2つの垂直2次元拡散モデルを用いて3次元逆問題の解法を提案する。 MRI Z軸超解像, 圧縮センシングMRI, スパースCTなどの3次元医用画像再構成作業に有効である。
  論文  参考訳（メタデータ） (2023-03-15T08:28:06Z)
• Solving 3D Inverse Problems using Pre-trained 2D Diffusion Models [33.343489006271255]
  拡散モデルは、高品質なサンプルを持つ新しい最先端の生成モデルとして登場した。 そこで本研究では, モデルに基づく2次元拡散を, 全次元にわたるコヒーレントな再構成を達成できるように, 実験時の残りの方向で先行する2次元拡散を拡大することを提案する。 提案手法は,1つのコモディティGPU上で動作可能であり,新しい最先端技術を確立する。
  論文  参考訳（メタデータ） (2022-11-19T10:32:21Z)

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。