論文の概要: Trajectory Constraints for Imaging Inverse Problems

• arxiv url: http://arxiv.org/abs/2605.29012v1
• Date: Wed, 27 May 2026 19:08:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.334911
• Title: Trajectory Constraints for Imaging Inverse Problems
• Title（参考訳）: 逆問題の画像化のための軌道制約
• Authors: Chaoyan Huang, Haijie Yuan, Saiprasad Ravishankar,
• Abstract要約: TRACEは, 軌道に沿った隣接状態の結合による再建経路を安定化する, 訓練不要なトラジェクトリ制約rEコンストラクションフレームワークである。 これにより、近位更新のシーケンスとして解釈できるトラジェクトリレベルのモデルが得られる。 直線的および非線形的な画像再構成タスクの実験は、TRACEが再構成品質を改善することを示す。
• 参考スコア（独自算出の注目度）: 10.08182821611231
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Diffusion-based and iterative methods have become effective tools for solving imaging inverse problems. Their reconstruction process naturally forms a trajectory of intermediate estimates. Although these intermediate estimates define a reconstruction trajectory, most methods do not explicitly regularize the transitions between consecutive states. To address this limitation, we introduce TRACE, a training-free TRAjectory-Constrained rEconstruction framework that stabilizes the reconstruction path by coupling adjacent states along the trajectory. This gives a trajectory-level model that can be interpreted as a sequence of proximal updates. Since the exact proximal update is generally intractable, we approximate it with a neural mapping. This yields a diffusion-like reconstruction process with an explicit coupling between neighboring states. We provide a stability analysis showing that temporal coupling bounds trajectory variation and that this control is preserved under untrained network updates. Experiments on linear and nonlinear image reconstruction tasks show that TRACE improves reconstruction quality. Trajectory-level analyses and ablations confirm that temporal coupling directly affects state transitions along the reconstruction path.
• Abstract（参考訳）: 拡散に基づく反復法は、画像逆問題解決に有効なツールとなっている。 それらの再構成過程は、自然に中間推定の軌跡を形成する。 これらの中間推定は再構成軌道を定義するが、ほとんどの手法は連続状態間の遷移を明示的に規則化しない。 この制限に対処するため, TRACE は, 軌道に沿った隣接状態の結合により再建経路を安定化する訓練不要なトラジェクトリ制約rEコンストラクションフレームワークである。 これにより、近位更新のシーケンスとして解釈できるトラジェクトリレベルのモデルが得られる。 正確な近位アップデートは一般的に難易度が高いため、ニューラルマッピングで近似する。 これにより、隣接する状態間の明示的な結合を伴う拡散様の再構成プロセスが得られる。 本研究では、時間的結合が軌道変動を束縛し、この制御がトレーニングされていないネットワーク更新の下で保持されることを示す安定性解析を行う。 直線的および非線形的な画像再構成タスクの実験は、TRACEが再構成品質を改善することを示す。 軌道レベルの解析と改善により、時間的結合が再建経路に沿った状態遷移に直接影響を与えることが確認される。

関連論文リスト

• Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
  MRI再建は本質的に不完全な逆問題である。 この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。 提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-19T04:40:50Z)
• SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
  自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。 本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-16T02:55:14Z)
• FlowBypass: Rectified Flow Trajectory Bypass for Training-Free Image Editing [10.304374060580828]
  トレーニング不要の画像編集は、その効率性とトレーニングデータからの独立性に注目が集まっている。 この問題に対処する以前の試みでは、一般的にバックボーン固有の機能操作を採用し、一般的な適用性を制限していた。 本稿では, インバージョンと再構成軌道を直接接続するバイパスを構成する, 整形流れを基盤とした, 新規かつ解析的なフレームワークであるFlowBypassを提案する。
  論文  参考訳（メタデータ） (2026-02-02T08:37:00Z)
• On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
  本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。 CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。 我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
  論文  参考訳（メタデータ） (2025-12-30T06:29:20Z)
• Convergent Data-driven Regularizations for CT Reconstruction [41.791026380947685]
  本研究では,データから線形正則化法を学習する上で,単純だが相変わらず収束するアプローチについて検討する。 このような手法が収束正則化手法となること、およびそれらが提供する再構成が訓練されたトレーニングデータよりも典型的にスムーズであることを証明する。
  論文  参考訳（メタデータ） (2022-12-14T17:34:03Z)
• End-to-end reconstruction meets data-driven regularization for inverse problems [2.800608984818919]
  本稿では,不適切な逆問題に対するエンド・ツー・エンドの再構成演算子を学習するための教師なしアプローチを提案する。 提案手法は,古典的変分フレームワークと反復的アンローリングを組み合わせたものである。 我々は,X線CT(Computerd tomography)の例で,最先端の教師なし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） (2021-06-07T12:05:06Z)

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。