論文の概要: Polyp Segmentation Using Wavelet-Based Cross-Band Integration for Enhanced Boundary Representation

• arxiv url: http://arxiv.org/abs/2603.03682v1
• Date: Wed, 04 Mar 2026 03:17:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.169011
• Title: Polyp Segmentation Using Wavelet-Based Cross-Band Integration for Enhanced Boundary Representation
• Title（参考訳）: ウェーブレットに基づくクロスバンド統合による境界表現強化のためのポリプセグメンテーション
• Authors: Haesung Oh, Jaesung Lee,
• Abstract要約: 本稿では,周波数-一貫性の相補的相互作用により,グレースケールとRGBの表現を統合するセグメンテーションモデルを提案する。 4つのベンチマークデータセットを用いた実験により,提案手法は従来のモデルよりも優れた境界精度とロバスト性が得られることが示された。
• 参考スコア（独自算出の注目度）: 4.791233143264229
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate polyp segmentation is essential for early colorectal cancer detection, yet achieving reliable boundary localization remains challenging due to low mucosal contrast, uneven illumination, and color similarity between polyps and surrounding tissue. Conventional methods relying solely on RGB information often struggle to delineate precise boundaries due to weak contrast and ambiguous structures between polyps and surrounding mucosa. To establish a quantitative foundation for this limitation, we analyzed polyp-background contrast in the wavelet domain, revealing that grayscale representations consistently preserve higher boundary contrast than RGB images across all frequency bands. This finding suggests that boundary cues are more distinctly represented in the grayscale domain than in the color domain. Motivated by this finding, we propose a segmentation model that integrates grayscale and RGB representations through complementary frequency-consistent interaction, enhancing boundary precision while preserving structural coherence. Extensive experiments on four benchmark datasets demonstrate that the proposed approach achieves superior boundary precision and robustness compared to conventional models.
• Abstract（参考訳）: 早期大腸癌検出には正確なポリープセグメンテーションが不可欠であるが, 粘膜コントラストの低さ, 照明の均一さ, ポリープと周囲組織間の色相の類似性により, 信頼性の高い境界局所化を実現することは依然として困難である。 RGB情報のみに依存する従来の手法は、ポリプと周囲の粘膜の間の弱いコントラストとあいまいな構造のために、正確な境界線を定めるのに苦労することが多い。 この制限の定量的基礎を確立するために、ウェーブレット領域におけるポリプバックグラウンドコントラストを解析し、グレースケール表現が全ての周波数帯域にわたるRGB画像よりも高い境界コントラストを一貫して維持していることを明らかにする。 この発見は、境界の手がかりが色領域よりもグレースケール領域で明確に表現されていることを示唆している。 そこで本研究では,構造コヒーレンスを保ちながら境界精度を向上し,相補的な周波数-一貫性相互作用を通じてグレースケールとRGB表現を統合するセグメンテーションモデルを提案する。 4つのベンチマークデータセットの大規模な実験により,提案手法が従来のモデルよりも優れた境界精度とロバスト性を実現することが示された。

関連論文リスト

• RAW-Flow: Advancing RGB-to-RAW Image Reconstruction with Deterministic Latent Flow Matching [55.03149221192589]
  本稿では,RGBとRAW表現のギャップを埋めるためにRAW-Flowという新しいフレームワークを提案する。 また、階層的なRGB機能をフロー推定プロセスに注入する、大規模コンテキストガイダンスモジュールも導入する。 RAW-Flowは、定量的にも視覚的にも最先端のアプローチより優れている。
  論文  参考訳（メタデータ） (2026-01-28T08:27:38Z)
• PRISM: Color-Stratified Point Cloud Sampling [1.7023041773480836]
  PRISMは、RGB-LiDAR点雲のための新しい色誘導成層サンプリング法である。 本研究のアプローチは,色相の特徴が色相の多様性を示すのに対して,冗長な特徴は色相の均一性を示すのに対し,色相の特徴は色相の多様性を示すのが特徴である。
  論文  参考訳（メタデータ） (2026-01-11T10:07:03Z)
• DepthMatch: Semi-Supervised RGB-D Scene Parsing through Depth-Guided Regularization [43.974708665104565]
  本稿では,RGB-Dシーン解析に特化して設計された半教師付き学習フレームワークDepthMatchを紹介する。 本稿では,RGB-D画像対におけるテクスチャと空間的特徴の潜伏関係を明らかにするために,補間パッチ混在拡大法を提案する。 また,従来の複合核融合モジュールを代替する軽量空間先行インジェクタを設計し,不均一な特徴核融合の効率を向上する。
  論文  参考訳（メタデータ） (2025-05-26T14:26:31Z)
• AGMDT: Virtual Staining of Renal Histology Images with Adjacency-Guided Multi-Domain Transfer [9.8359439975283]
  画素レベルのアライメントを回避し,画像の他の領域への変換を行う新しい仮想染色フレームワーク AGMDT を提案する。 提案するフレームワーク AGMDT は,球状率検出と二部グラフマッチングにより,複数ドメインのシリアルスライスにまたがるパッチレベルのアライメントペアを検出する。 実験の結果,提案したAGMDTは,高精度な画素レベルのアライメントと未ペアドメイン転送とのバランスが良好であることがわかった。
  論文  参考訳（メタデータ） (2023-09-12T17:37:56Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Breaking Modality Disparity: Harmonized Representation for Infrared and Visible Image Registration [66.33746403815283]
  シーン適応型赤外線と可視画像の登録を提案する。 我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。 我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
  論文  参考訳（メタデータ） (2023-04-12T06:49:56Z)
• Position-Aware Relation Learning for RGB-Thermal Salient Object Detection [3.115635707192086]
  我々は,Swin Transformerに基づくRGB-T SODのための位置認識型関係学習ネットワーク(PRLNet)を提案する。 PRLNetは、クラス内コンパクト性とクラス間分離を強化するために、ピクセル間の距離と方向の関係を探索する。 さらに、RGB-T SODのマルチスペクトル特徴表現を強化するために、純粋なトランスフォーマーエンコーダデコーダネットワークを構成する。
  論文  参考訳（メタデータ） (2022-09-21T07:34:30Z)
• TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation Localization [49.521622399483846]
  汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。 提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-08-10T08:22:05Z)
• Frequency and Spatial domain based Saliency for Pigmented Skin Lesion Segmentation [0.0]
  そこで本研究では, 周波数領域と空間領域から得られた簡易かつ効果的な唾液濃度に基づく顔料皮膚病変の検出手法を提案する。 2つのカラーモデルがこれらの地図の構築に利用されている。 実験結果から,提案手法は最先端手法と比較して,より優れたセグメンテーション結果を生成することが示唆された。
  論文  参考訳（メタデータ） (2020-10-08T14:38:42Z)
• Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
  深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。 既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。 本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:35:24Z)
• DeepStrip: High Resolution Boundary Refinement [60.00241966809684]
  関心領域をストリップ画像に変換し、ストリップ領域の境界予測を計算することを提案する。 対象境界を検出するために,2つの予測層を持つフレームワークを提案する。 我々は、誤報を減らすために、整合性とC0連続性正規化をネットワークに強制する。
  論文  参考訳（メタデータ） (2020-03-25T22:44:48Z)

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。