論文の概要: Test-Time Adaptation in Optical Coherence Tomography Using Trajectory-Aligned Time-Independent Flow

• arxiv url: http://arxiv.org/abs/2606.18876v1
• Date: Wed, 17 Jun 2026 09:54:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.102884
• Title: Test-Time Adaptation in Optical Coherence Tomography Using Trajectory-Aligned Time-Independent Flow
• Title（参考訳）: 軌道配向時間非依存流を用いた光コヒーレンストモグラフィーにおけるテスト時間適応
• Authors: Veit Hucke, Thomas Pinetz, Gregor Reiter, Ursula Schmidt-Erfurth, Hrvoje Bogunović,
• Abstract要約: フローマッチング法はノイズ入力から高品質なサロゲート画像を生成する。 テスト画像のヒストグラムと合成基準軌跡をマッチングすることにより、テストデータとトレーニングデータのドメインギャップを克服する。 年代関連黄斑変性症(AMD)の2段階における重要なバイオマーカーのセグメンテーションにおける最先端性能の実現
• 参考スコア（独自算出の注目度）: 2.622504228357033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optical coherence tomography (OCT) is essential in ophthalmology, but inconsistent image quality especially in low-cost devices hinders automated analysis. To address this, we introduce a flow-matching-based test-time adaptation method that generates high-quality surrogate images from noisy inputs. Typically, domain gaps between test and training data cause pixel distribution mismatches during the denoising process. We overcome this by matching the test image's histogram to synthetic reference trajectories, successfully aligning the input with expected distributions. Additionally, we remove the network's time conditioning to account for slight deviations in real-world noise distributions. Our approach achieves state-of-the-art performance in segmenting critical biomarkers for two stages of Age-related Macular Degeneration (AMD). Code is available: https://github.com/Veit21/tta-flow.
• Abstract（参考訳）: 光コヒーレンストモグラフィー(OCT)は眼科では必須であるが,特に低コストデバイスでは画像品質に矛盾があるため,自動解析が困難である。 そこで本研究では,ノイズ入力から高品質なサロゲート画像を生成するフローマッチングに基づくテスト時間適応手法を提案する。 通常、テストデータとトレーニングデータのドメインギャップは、デノナイジングプロセス中に画素分布のミスマッチを引き起こす。 テスト画像のヒストグラムと合成基準軌跡とをマッチングし,入力と期待分布を一致させることで,この問題を克服する。 さらに,実環境騒音分布の偏差を考慮に入れたネットワークの時間条件を除去する。 本手法は,老化関連黄斑変性症(AMD)の2段階における重要なバイオマーカーのセグメンテーションにおける最先端性能を実現する。 コードは、https://github.com/Veit21/tta-flow.comで入手できる。

関連論文リスト

• Addressing degeneracies in latent interpolation for diffusion models [11.80626524879555]
  入力画像の集合を反転させて生成した潜伏剤間の補間に有用である。 入力数が大きければ, 結果の退化に繋がることが観察できる。 そこで本研究では,潜伏者間において容易に使用可能な簡易正規化方式を提案する。
  論文  参考訳（メタデータ） (2025-05-12T12:12:57Z)
• Fast constrained sampling in pre-trained diffusion models [80.99262780028015]
  任意の制約下で高速で高品質な生成を可能にするアルゴリズムを提案する。 我々の手法は、最先端のトレーニングフリー推論手法に匹敵するか、超越した結果をもたらす。
  論文  参考訳（メタデータ） (2024-10-24T14:52:38Z)
• Simultaneous Image-to-Zero and Zero-to-Noise: Diffusion Models with Analytical Image Attenuation [53.04220377034574]
  高品質(未条件)な画像生成のための前方拡散プロセスに解析的画像減衰プロセスを導入することを提案する。 本手法は,フォワード画像からノイズへのマッピングを,テクスチメジからゼロへのマッピングとテクスティケロ・ツー・ノイズマッピングの同時マッピングとして表現する。 我々は,CIFAR-10やCelebA-HQ-256などの無条件画像生成や,超解像,サリエンシ検出,エッジ検出,画像インペインティングなどの画像条件下での下流処理について実験を行った。
  論文  参考訳（メタデータ） (2023-06-23T18:08:00Z)
• Enhancing Point Annotations with Superpixel and Confidence Learning Guided for Improving Semi-Supervised OCT Fluid Segmentation [17.85298271262749]
  Superpixel and Confident Learning Guide Point s Network (SCLGPA-Net)。 Superpixel-Guided Pseudo-Label Generation (SGPLG)モジュールは擬似ラベルとピクセルレベルのラベル信頼マップを生成する。 CLGLR(Confident Learning Guided Label Refinement)モジュールは、擬似ラベル内のエラー情報を識別し、さらなる改善につながる。
  論文  参考訳（メタデータ） (2023-06-05T04:21:00Z)
• Markup-to-Image Diffusion Models with Scheduled Sampling [111.30188533324954]
  画像生成の最近の進歩に基づき,画像にマークアップを描画するためのデータ駆動型アプローチを提案する。 このアプローチは拡散モデルに基づいており、デノナイジング操作のシーケンスを用いてデータの分布をパラメータ化する。 数式(La)、テーブルレイアウト(HTML)、シート音楽(LilyPond)、分子画像(SMILES)の4つのマークアップデータセットの実験を行った。
  論文  参考訳（メタデータ） (2022-10-11T04:56:12Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Unsupervised Foggy Scene Understanding via Self Spatial-Temporal Label Diffusion [51.11295961195151]
  運転シーンの霧画像列の特徴を利用して、自信ある擬似ラベルを密度化する。 局所的な空間的類似性と逐次画像データの隣接時間対応の2つの発見に基づいて,新たなターゲット・ドメイン駆動擬似ラベル拡散方式を提案する。 本手法は,2つの天然霧のデータセット上で51.92%,53.84%の平均交叉結合(mIoU)を達成するのに有効である。
  論文  参考訳（メタデータ） (2022-06-10T05:16:50Z)
• Fully Convolutional Cross-Scale-Flows for Image-based Defect Detection [24.0966076588569]
  欠陥部分の画像サンプルを必要とせずに自動欠陥検出の問題に取り組む。 本稿では,異なるスケールの複数の特徴写像を共同で処理する,完全畳み込み型クロススケール正規化フロー(CS-Flow)を提案する。 ベンチマークデータセットであるMagnetic Tile DefectsとMVTec ADは、15クラス中4クラスで100%AUROCを示す。
  論文  参考訳（メタデータ） (2021-10-06T15:35:13Z)
• Learning Ultrasound Rendering from Cross-Sectional Model Slices for Simulated Training [13.640630434743837]
  計算シミュレーションは、バーチャルリアリティーにおけるそのようなスキルの訓練を容易にする。 インタラクティブな時間に任意のレンダリングやシミュレーションプロセスをバイパスするためにここに提案します。 我々は、専用のジェネレータアーキテクチャと入力供給方式を備えた生成的対向フレームワークを使用する。
  論文  参考訳（メタデータ） (2021-01-20T21:58:19Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• When deep denoising meets iterative phase retrieval [5.639904484784126]
  従来の位相の検索アルゴリズムはノイズが存在する場合に苦しむが、クリーンなデータを与えると世界収束を示す。 ここでは,位相探索からの反復的手法とディープデノイザからの画像統計とを,正規化によるデノジングにより組み合わせる。 得られた手法は各手法の利点を継承し、他のノイズロス位相探索アルゴリズムより優れている。
  論文  参考訳（メタデータ） (2020-03-03T21:00:45Z)

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。