論文の概要: Three-Step Conditional Diffusion 3D Reconstruction for Light-Field Microscopy

• arxiv url: http://arxiv.org/abs/2605.24959v1
• Date: Sun, 24 May 2026 09:16:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.545861
• Title: Three-Step Conditional Diffusion 3D Reconstruction for Light-Field Microscopy
• Title（参考訳）: 光電界顕微鏡のための3段階条件拡散3次元再構成
• Authors: Qihong Zhao, Shaokang Yan, Zhimin Qiao, Jinjia Wang, Bo Xiong,
• Abstract要約: 光電場顕微鏡は、生体サンプルから多角情報の単一撮影を可能にする。 伝統的な物理学に基づくアルゴリズムは、しばしば空間分解能の制限、重い人工物、高い計算コストに悩まされる。 LFMのための高忠実度三段条件拡散(TCD)3次元再構成法を提案する。
• 参考スコア（独自算出の注目度）: 14.462955551711671
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Light-field microscopy (LFM) enables single-shot capture of multi-angular information from biological samples, supporting real-time volumetric imaging. However, traditional physics-based algorithms often suffer from limited spatial resolution, severe artifacts, and high computational costs. Existing learning-based methods improve inference efficiency but still face limitations in reconstruction accuracy and generalization capability. To address these challenges, this paper proposes a high-fidelity Three-Step Conditional Diffusion (TCD) 3D reconstruction method for LFM. Although conventional diffusion models have achieved remarkable success in generative modeling, their slow sampling process and the inherent trade-off between quality and efficiency hinder their application in real-time 3D imaging. We redesign the diffusion process through a deterministic three-step sampling strategy coupled with a lightweight conditional U-Net, establishing a new paradigm for fast and accurate volumetric reconstruction. Furthermore, an Inter-Class Detection (ICD) module is incorporated to identify out-of-distribution or anomalous inputs during inference, thereby enhancing model stability and reliability. Extensive experiments and cross-dataset evaluations demonstrate that TCD significantly outperforms state-of-the-art methods in both reconstruction fidelity and generalization, providing an efficient and practical 3D reconstruction solution for light-field microscopy.
• Abstract（参考訳）: 光電場顕微鏡(LFM)は、生体サンプルから複数角情報の単一撮影を可能にし、リアルタイムボリュームイメージングをサポートする。 しかし、伝統的な物理学に基づくアルゴリズムは、空間分解能の制限、重大なアーティファクト、高い計算コストに悩まされることが多い。 既存の学習ベースの手法は推論効率を向上するが、再構築精度と一般化能力の限界に直面している。 これらの課題に対処するために, LFMのための高忠実度三段条件拡散(TCD)3次元再構成法を提案する。 従来の拡散モデルは、生成モデルにおいて顕著な成功を収めてきたが、その遅いサンプリングプロセスと品質と効率のトレードオフにより、リアルタイム3Dイメージングへの応用が妨げられている。 我々は,軽量な条件付きU-Netと組み合わせた決定論的3段階サンプリング戦略により拡散過程を再設計し,高速かつ正確なボリューム再構成のための新しいパラダイムを構築した。 さらに、クラス間検出(ICD)モジュールを組み込んで、推論中の分布外または異常な入力を識別し、モデルの安定性と信頼性を向上させる。 広汎な実験とクロスデータセット評価により、TCDは再現率と一般化の両方において最先端の手法を著しく上回り、光電場顕微鏡のための効率的で実用的な3D再構成ソリューションを提供することを示した。

関連論文リスト

• Frequency Error-Guided Under-sampling Optimization for Multi-Contrast MRI Reconstruction [24.246450246745905]
  マルチコントラストMRIは,完全サンプリング参照スキャンからの補完情報を活用することで,有望な方向として現れる。 既存のアプローチには,(1)表面的参照融合戦略,(2)参照コントラストによって提供される補完情報の不十分な利用,(3)固定アンダーサンプリングパターンの3つの大きな制限がある。 本稿では,これらの問題に対処するための,効率よく解釈可能な周波数誤差誘導再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-14T09:40:34Z)
• Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
  深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。 本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。 CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-12-13T08:31:46Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• CryoFastAR: Fast Cryo-EM Ab Initio Reconstruction Made Easy [58.86576215228903]
  我々はCryo-EMノイズ画像から直接ポーズを予測できる最初の幾何学的基礎モデルであるCryoFastARを紹介した。 CryoFastARは、マルチビュー機能と、大規模シミュレーションされたCryo-EMデータに現実的なノイズとCTF変調を統合することで、ポーズ推定精度と一般化を向上する。
  論文  参考訳（メタデータ） (2025-06-06T08:32:32Z)
• Resolution-Robust 3D MRI Reconstruction with 2D Diffusion Priors: Diverse-Resolution Training Outperforms Interpolation [18.917672392645006]
  2次元スライスで訓練された2次元拡散モデルが3次元MRI再構成に活用され始めている。 既存の方法では、ボクセルサイズが一定であり、ボクセルサイズが変化すると性能が低下する。 本稿では,2次元拡散先行画像を用いた高分解能3次元MRI再構成手法の提案と検討を行う。
  論文  参考訳（メタデータ） (2024-12-24T18:25:50Z)
• FAM Diffusion: Frequency and Attention Modulation for High-Resolution Image Generation with Stable Diffusion [63.609399000712905]
  スケールした解像度での推論は反復的なパターンと構造的歪みをもたらす。 これらの問題を解決するために組み合わせた2つの単純なモジュールを提案する。 我々の手法はファム拡散と呼ばれ、任意の潜在拡散モデルにシームレスに統合でき、追加の訓練を必要としない。
  論文  参考訳（メタデータ） (2024-11-27T17:51:44Z)
• Effective Diffusion Transformer Architecture for Image Super-Resolution [63.254644431016345]
  画像超解像のための効果的な拡散変換器(DiT-SR)を設計する。 実際には、DiT-SRは全体のU字型アーキテクチャを活用し、すべての変圧器ブロックに対して均一な等方性設計を採用する。 我々は、広く使われているAdaLNの制限を分析し、周波数適応型時間-ステップ条件付けモジュールを提案する。
  論文  参考訳（メタデータ） (2024-09-29T07:14:16Z)
• Reference-Free Isotropic 3D EM Reconstruction using Diffusion Models [8.590026259176806]
  本稿では、参照データや劣化過程に関する事前知識の制限を克服する拡散モデルに基づくフレームワークを提案する。 提案手法では, 2次元拡散モデルを用いて連続的に3次元ボリュームを再構成し, 高精度なサンプルデータに適している。
  論文  参考訳（メタデータ） (2023-08-03T07:57:02Z)
• Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
  拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。 本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T03:08:28Z)
• Fast and robust single particle reconstruction in 3D fluorescence microscopy [1.0625549557437526]
  単一粒子再構成は、軸方向分解能と蛍光標識の度合いを改善するための強力な技術である。 3次元蛍光顕微鏡における畳み込みモデル専用の単一粒子再構成法を提案する。 計算コストを低く抑えつつ,分解能および再構成誤差の観点から合成手法を実証する。
  論文  参考訳（メタデータ） (2023-01-23T14:20:01Z)

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。