論文の概要: GPF-Net: Gated Progressive Fusion Learning for Polyp Re-Identification

• arxiv url: http://arxiv.org/abs/2512.21476v1
• Date: Thu, 25 Dec 2025 02:40:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 11:54:44.526088
• Title: GPF-Net: Gated Progressive Fusion Learning for Polyp Re-Identification
• Title（参考訳）: GPF-Net:ポリプ再同定のための拡張プログレッシブ融合学習
• Authors: Suncheng Xiang, Xiaoyang Wang, Junjie Jiang, Hejia Wang, Dahong Qian,
• Abstract要約: 大腸内視鏡によるポリープ再同定は、同じポリープと異なるカメラで撮影された異なるビューの画像とを一致させることを目的としている。 特定のポリプの高次特徴の粗い分解は、しばしば小さな対象に対して劣る結果をもたらす。 Gated Progressive Fusion Network と呼ばれる新しいアーキテクチャを提案し、ゲートを用いて複数のレベルから特徴を選択的にフューズする。
• 参考スコア（独自算出の注目度）: 16.17476305564124
• License:
• Abstract: Colonoscopic Polyp Re-Identification aims to match the same polyp from a large gallery with images from different views taken using different cameras, which plays an important role in the prevention and treatment of colorectal cancer in computer-aided diagnosis. However, the coarse resolution of high-level features of a specific polyp often leads to inferior results for small objects where detailed information is important. To address this challenge, we propose a novel architecture, named Gated Progressive Fusion network, to selectively fuse features from multiple levels using gates in a fully connected way for polyp ReID. On the basis of it, a gated progressive fusion strategy is introduced to achieve layer-wise refinement of semantic information through multi-level feature interactions. Experiments on standard benchmarks show the benefits of the multimodal setting over state-of-the-art unimodal ReID models, especially when combined with the specialized multimodal fusion strategy.
• Abstract（参考訳）: 大腸内視鏡的ポリープ再同定は, 大腸がんの予防と治療において重要な役割を担う, 異なるカメラを用いて異なる視点から撮影した画像と大きなギャラリーの同一のポリープとを一致させることを目的としている。 しかし、特定のポリプの高次特徴の粗い分解は、詳細情報が重要である小さな対象に対して、しばしば劣る結果をもたらす。 この課題に対処するために,ポリプReIDの完全接続方式でゲートを用いて複数のレベルから特徴を選択的にフューズする,Gated Progressive Fusion Network という新しいアーキテクチャを提案する。 その基盤として,多層的特徴相互作用による意味情報の階層的洗練を実現するために,ゲートプログレッシブ融合戦略を導入する。 標準ベンチマークの実験では、特に特殊なマルチモーダル融合戦略と組み合わせた場合、最先端のユニモーダルReIDモデルに対するマルチモーダル設定の利点が示されている。

関連論文リスト

• Multi-Scale Target-Aware Representation Learning for Fundus Image Enhancement [11.652205644265893]
  高品質の眼底画像は、臨床検診や眼科疾患の診断に欠かせない解剖学的情報を提供する。 近年は、眼底画像の強化が有望な進展をみせている。 本稿では,効率的なファンドス画像強調のためのMTRL-FIE(Multi-scale target-aware representation learning framework)を提案する。
  論文  参考訳（メタデータ） (2025-05-03T14:25:48Z)
• Learning Collaborative Knowledge with Multimodal Representation for Polyp Re-Identification [14.63589190319602]
  大腸内視鏡によるポリープ再同定は、大きなギャラリーの同じポリープと異なるカメラで撮影された異なるビューの画像とを一致させることを目的としている。 ImageNetデータセットでトレーニングされたCNNモデルを直接適用する従来のオブジェクトReIDの手法は、不満足な検索性能をもたらす。 本稿では,ポリプ再同定のためのDMCLという新しい多モーダル協調学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-12T04:05:19Z)
• FLDNet: A Foreground-Aware Network for Polyp Segmentation Leveraging Long-Distance Dependencies [1.7623838912231695]
  本研究では,トランスフォーマーに基づくニューラルネットワークであるFLDNetを提案する。 提案手法であるFLDNetは, 一般的なデータセットの7つの指標を用いて評価し, 広く利用されている評価尺度の最先端手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2023-09-12T06:32:42Z)
• Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
  ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。 従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。 この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
  論文  参考訳（メタデータ） (2023-01-12T09:53:57Z)
• Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
  本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。 提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-08-16T07:09:06Z)
• High-resolution Depth Maps Imaging via Attention-based Hierarchical Multi-modal Fusion [84.24973877109181]
  誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。 本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:28:33Z)

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。