論文の概要: TAFG-MAN: Timestep-Adaptive Frequency-Gated Latent Diffusion for Efficient and High-Quality Low-Dose CT Image Denoising

• arxiv url: http://arxiv.org/abs/2603.20868v1
• Date: Sat, 21 Mar 2026 15:59:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.128813
• Title: TAFG-MAN: Timestep-Adaptive Frequency-Gated Latent Diffusion for Efficient and High-Quality Low-Dose CT Image Denoising
• Title（参考訳）: TAFG-MAN-TAFG-MAN : 時間適応周波数Gated Latent Diffusionによる高画質低線量CT画像の高精細化
• Authors: Tangtangfang Fang, Yang Jiao, Xiangjian He, Jingxi Hu, Jiaqi Yang,
• Abstract要約: 低線量CT(LDCT)は放射線被曝を低減させるが、大きなノイズや構造劣化をもたらす。 高速かつ高品質なLDCT画像復調のための遅延拡散フレームワークであるTAFG-MANを提案する。
• 参考スコア（独自算出の注目度）: 20.351907119260705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-dose computed tomography (LDCT) reduces radiation exposure but also introduces substantial noise and structural degradation, making it difficult to suppress noise without erasing subtle anatomical details. In this paper, we present TAFG-MAN, a latent diffusion framework for efficient and high-quality LDCT image denoising. The framework combines a perceptually optimized autoencoder, conditional latent diffusion restoration in a compact latent space, and a lightweight Timestep-Adaptive Frequency-Gated (TAFG) conditioning design. TAFG decomposes condition features into low- and high-frequency components, predicts timestep-adaptive gates from the current denoising feature and timestep embedding, and progressively releases high-frequency guidance in later denoising stages before cross-attention. In this way, the model relies more on stable structural guidance at early reverse steps and introduces fine details more cautiously as denoising proceeds, improving the balance between noise suppression and detail preservation. Experiments show that TAFG-MAN achieves a favorable quality-efficiency trade-off against representative baselines. Compared with its base variant without TAFG, it further improves detail preservation and perceptual quality while maintaining essentially the same inference cost, and ablation results confirm the effectiveness of the proposed conditioning mechanism.
• Abstract（参考訳）: 低線量CT(LDCT)は放射線被曝を低減させるが、大きなノイズや構造劣化をもたらすため、微妙な解剖学的詳細を消去することなくノイズを抑えることは困難である。 本稿では,高速かつ高品質なLDCT画像デノナイズのための遅延拡散フレームワークであるTAFG-MANを提案する。 このフレームワークは、知覚的に最適化されたオートエンコーダ、コンパクトな潜在空間における条件付き遅延拡散復元、および軽量な時間-適応周波数-ゲート(TAFG)コンディショニング設計を組み合わせたものである。 TAFGは、条件特徴を低周波成分と高周波成分に分解し、現在の復調特徴からタイムステップ適応ゲートと時間ステップ埋め込みを予測し、クロスアテンションの前に後段の復調段階において高周波ガイダンスを段階的にリリースする。 このようにして、モデルは早期の逆ステップにおける安定した構造ガイダンスにより依存し、ノイズ抑制と詳細保存のバランスを改善するために、より慎重に詳細な処理を行う。 実験の結果,TAFG-MANは代表的ベースラインに対して良好な品質効率のトレードオフを実現することが示された。 TAFGを含まない基本変種と比較して、本質的に同じ推論コストを維持しつつ、詳細保存と知覚品質をさらに向上させ、アブレーションの結果、提案した条件付け機構の有効性を確認した。

関連論文リスト

• DiffSOS: Acoustic Conditional Diffusion Model for Speed-of-Sound Reconstruction in Ultrasound Computed Tomography [2.6915545700357986]
  音響波形を直接SoSマップにマッピングする条件拡散モデルDiffSOSを提案する。 本フレームワークでは,物理波計測におけるデノナイジング過程の基盤として,特殊音響制御ネットを用いている。 我々は,我々のフレームワークの生成特性を利用して画素単位の不確実性を推定し,信頼性の尺度を提供する。
  論文  参考訳（メタデータ） (2026-02-27T23:51:16Z)
• Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
  高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。 本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。 提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
  論文  参考訳（メタデータ） (2026-01-30T03:14:01Z)
• Iterative Inference-time Scaling with Adaptive Frequency Steering for Image Super-Resolution [75.3690742776891]
  適応周波数ステアリング(IAFS)を用いた反復拡散推論時間スケーリングを提案する。 IAFSは、構造的偏差の反復的補正によって生成した画像を徐々に精細化することで、知覚品質と構造的忠実性のバランスをとるという課題に対処する。 実験の結果、IAFSは知覚と忠実性の対立を効果的に解決し、知覚の細部と構造的精度を一貫して改善し、既存の推論時間スケーリング手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-12-29T15:09:20Z)
• Latent Harmony: Synergistic Unified UHD Image Restoration via Latent Space Regularization and Controllable Refinement [89.99237142387655]
  LH-VAEを導入し、視覚的意味的制約や進行的劣化による意味的堅牢性を高める。 Latent Harmonyは、UHD修復のためのVAEを再定義する2段階のフレームワークである。 実験により、Latent HarmonyはUHDおよび標準解像度タスクにまたがって最先端のパフォーマンスを実現し、効率、知覚品質、再現精度を効果的にバランスさせることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T08:54:26Z)
• Reconstruct-and-Generate Diffusion Model for Detail-Preserving Image Denoising [16.43285056788183]
  再構成・生成拡散モデル(Reconstruct-and-Generate Diffusion Model, RnG)と呼ばれる新しい手法を提案する。 提案手法は, 再構成型復調ネットワークを利用して, 基礎となるクリーン信号の大半を復元する。 拡散アルゴリズムを用いて残留する高周波の詳細を生成し、視覚的品質を向上させる。
  論文  参考訳（メタデータ） (2023-09-19T16:01:20Z)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
  DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。 高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。 異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)

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。