論文の概要: Discontinuous Galerkin Neural Operator for Pathology Defocus Deblurring

• arxiv url: http://arxiv.org/abs/2605.23282v1
• Date: Fri, 22 May 2026 06:50:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.228309
• Title: Discontinuous Galerkin Neural Operator for Pathology Defocus Deblurring
• Title（参考訳）: 難治性脱毛症に対する非連続型ガレルキン神経手術
• Authors: Shaoqing Duan, Haofei Song, Xintian Mao, Qingli Li, Yan Wang,
• Abstract要約: 光学的ぼかしの空間的変化と局所的不連続性のため, 病理顕微鏡における脱毛はいまだに困難である。 シフト不変仮定と限定的解釈可能性に制約された既存のディープラーニング手法は、そのような不均一な曖昧なパターンにはあまり適していない。 本稿では、不連続なガレルキン定式化を用いて積分カーネルをパラメータ化する不連続ガレルキンニューラル演算子(DGNO)を提案する。
• 参考スコア（独自算出の注目度）: 21.144472443267
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Defocus deblurring in pathological microscopy remains challenging due to the spatially varying and locally discontinuous nature of optical blur induced by a position-dependent integral imaging process. Existing deep learning methods, constrained by shift-invariance assumptions and limited interpretability, are not well suited to such heterogeneous blur patterns. Neural operators provide a principled alternative by modeling defocus formation directly as an integral operator, offering a new perspective on defocus deblurring. However, most existing neural operator architectures for low-level vision rely on globally parameterized kernels that assume smoothness and stationarity, limiting their ability to model heterogeneous and locally discontinuous blur patterns. To address this limitation, we propose the Discontinuous Galerkin Neural Operator (DGNO), which parameterizes the integral kernel using a discontinuous Galerkin formulation with element-local volume operators and interface numerical fluxes. DGNO provides a principled combination of locality, heterogeneity modeling, and global coherence while preserving the underlying physics of optical image formation. Extensive and insightful experiments demonstrate that DGNO surpasses state-of-the-arts, delivering sharper reconstructions, robust handling of spatially varying blur, and scalable high-resolution performance. The code will be released at https://github.com/DeepMed-Lab-ECNU/Single-Image-Deblur.
• Abstract（参考訳）: 位置依存型積分画像法により引き起こされる光ぼけの空間的変化と局所的不連続性により, 病理顕微鏡における脱毛はいまだに困難である。 シフト不変仮定と限定的解釈可能性に制約された既存のディープラーニング手法は、そのような不均一な曖昧なパターンにはあまり適していない。 ニューラル作用素は、デフォーカス形成を直接積分作用素としてモデル化することで、デフォーカス分解に関する新たな視点を提供する、原則化された代替手段を提供する。 しかしながら、低レベルのビジョンのための既存の神経オペレーターアーキテクチャのほとんどは、スムーズさと定常性を前提としたグローバルパラメータ化されたカーネルに依存しており、不均一かつ局所的に不連続なぼかしパターンをモデル化する能力を制限する。 この制限に対処するために、要素局所体積演算子とインタフェース数値束を用いた不連続ガレルキン定式化を用いて積分カーネルをパラメータ化する不連続ガレルキンニューラル演算子(DGNO)を提案する。 DGNOは、光学画像形成の基礎となる物理を保ちながら、局所性、不均一性モデリング、大域コヒーレンスを原則的に組み合わせている。 広範かつ洞察に富んだ実験により、DGNOは最先端の技術を超越し、よりシャープな再構築、空間的に異なる曖昧さの堅牢なハンドリング、スケーラブルな高解像度のパフォーマンスを実現している。 コードはhttps://github.com/DeepMed-Lab-ECNU/Single-Image-Deblur.comでリリースされる。

関連論文リスト

• PILIR: Physics-Informed Local Implicit Representation [10.009790673923789]
  物理インフォームドローカルインプリシト表現(PILIR)について紹介する。 我々のアプローチは、グローバルな物理領域を離散的な潜在特徴空間と連続生成デコーダに分離する。 生成型ニューラル演算子はこれらの局所潜伏特性を連続体に合成し、微細構造を正確に再構築する。
  論文  参考訳（メタデータ） (2026-05-01T04:07:39Z)
• Simple yet Effective: Low-Rank Spatial Attention for Neural Operators [12.794762297826848]
  本稿では,このテンプレートのクリーンかつ直接的なインスタンス化として,LRSA(Low-Rank Spatial Attention)を導入する。 非標準集約や正規化モジュールに依存する従来のアプローチとは異なり、LRSAは標準トランスフォーマープリミティブから純粋に構築されている。 我々の実験では、そのような単純な構成は高い精度を達成するのに十分であり、平均誤差は17%以上である。
  論文  参考訳（メタデータ） (2026-04-04T04:15:01Z)
• LatentINDIGO: An INN-Guided Latent Diffusion Algorithm for Image Restoration [19.74964267336191]
  本研究では,ウェーブレットにインスパイアされたインバータブルニューラルネットワーク(INN)を導入し,フォワード変換により劣化をシミュレートし,逆変換により失われた詳細を再構成する。 提案アルゴリズムは, 合成および実世界の低画質画像に対して, 最先端の性能を達成し, 任意の出力サイズに容易に適応できる。
  論文  参考訳（メタデータ） (2025-05-19T10:17:16Z)
• Convergence analysis of wide shallow neural operators within the framework of Neural Tangent Kernel [4.313136216120379]
  我々は、ニューラルタンジェントカーネル(NTK)の枠組み内で、広い浅層ニューラル演算子と物理インフォームド浅部ニューラル演算子の勾配降下の収束解析を行う。 過度なパラメータ化の設定の下では、勾配降下は連続時間であるか離散時間であるかに関わらず、大域的な最小値を見つけることができる。
  論文  参考訳（メタデータ） (2024-12-07T05:47:28Z)
• Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation [71.69331824668954]
  スペクトル変動は、ハイパースペクトル画像(HSI)解析において共通の課題となる 低ランクテンソル表現は、HSIデータに固有の相関を利用して、堅牢な戦略として登場した。 本研究では,不規則な3次元立方体を効率的にモデル化するために,不規則なテンソルローランク表現のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2024-10-24T02:56:22Z)
• Neural Operators with Localized Integral and Differential Kernels [77.76991758980003]
  本稿では,2つのフレームワークで局所的な特徴をキャプチャできる演算子学習の原理的アプローチを提案する。 我々はCNNのカーネル値の適切なスケーリングの下で微分演算子を得ることを示す。 局所積分演算子を得るには、離散連続的畳み込みに基づくカーネルの適切な基底表現を利用する。
  論文  参考訳（メタデータ） (2024-02-26T18:59:31Z)
• Global Structure-Aware Diffusion Process for Low-Light Image Enhancement [64.69154776202694]
  本稿では,低照度画像強調問題に対処する拡散型フレームワークについて検討する。 我々は、その固有のODE-軌道の正規化を提唱する。 実験により,提案手法は低照度化において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2023-10-26T17:01:52Z)

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。