論文の概要: Stitching and dimensionality effects on large artificially generated volume datasets

• arxiv url: http://arxiv.org/abs/2606.20095v1
• Date: Thu, 18 Jun 2026 11:14:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.81574
• Title: Stitching and dimensionality effects on large artificially generated volume datasets
• Title（参考訳）: 大規模人工ボリュームデータセットにおけるストッチングと次元効果
• Authors: Lucas von Chamier, Jan Philipp Albrecht, Dagmar Kainmüller,
• Abstract要約: 縫製アーティファクトはスタイル転送のための生成モデルに影響を与える可能性がある。 低温電子顕微鏡データを用いたサイクルGANモデルを用いて3つの縫合法と2つのパッチ次元(2D vs 3D)について検討した。 下流ミトコンドリアセグメンテーションにおける知覚的品質と性能について検討した。
• 参考スコア（独自算出の注目度）: 0.9664596800095625
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating large images via deep learning requires patching input data to accommodate hardware memory limitations, then assembling output patches, a process that can introduce stitching artifacts when neighboring patches do not align at borders. While these artifacts are known to affect segmentation tasks, their impact on generative models for style-transfer remains poorly understood. We investigated three stitching approaches and two patch dimensionalities (2D vs 3D) using cycleGAN models trained on cryo-electron microscopy datasets. We evaluated both perceptual quality and performance on downstream mitochondria segmentation. Our key findings reveal that: (1) FID scores fail to detect subtle stitching artifacts that significantly impact downstream segmentation performance, (2) 3D models with artifact-free stitching marginally outperform 2D models on downstream tasks, though the improvement barely justifies the computational cost, and (3) 2D models train more stably due to larger batch sizes. Additionally, we demonstrate that ensembling predictions from three orthogonal directions can improve low-quality volumes but provides no benefit for high-quality outputs. These results demonstrate that maximizing generative model performance on large scientific datasets requires careful consideration and mitigation of stitching artifacts, and that perceptual metrics alone are insufficient for evaluating domain adaptation quality in biomedical imaging.
• Abstract（参考訳）: ディープラーニングによる大規模な画像の生成には、ハードウェアメモリの制限を満たすために入力データをパッチし、次に出力パッチを組み立てる必要がある。 これらのアーティファクトはセグメンテーションタスクに影響を与えることが知られているが、スタイル転送のための生成モデルへの影響はいまだに理解されていない。 低温電子顕微鏡データを用いたサイクルGANモデルを用いて3つの縫合法と2つのパッチ次元(2D vs 3D)について検討した。 下流ミトコンドリアセグメンテーションにおける知覚的品質と性能について検討した。 FIDスコアは下流のセグメンテーション性能に顕著な影響を及ぼす微妙な縫合アーティファクトの検出に失敗し,(2) 下流の作業において細い縫合を伴う3次元モデルより粗い縫合を行うが, 改良は計算コストをほとんど正当化せず, (3) 2次元モデルはより大きなバッチサイズのために安定して訓練する。 さらに、3つの直交方向からのアンサンブル予測は、低品質のボリュームを改善することができるが、高品質のアウトプットにはメリットがないことを示す。 これらの結果から, 大規模科学データセットにおける生成モデル性能の最大化には, 縫合アーティファクトの慎重に検討と緩和が必要であり, 生体医用画像の領域適応性を評価するには, 知覚的指標だけでは不十分であることが示唆された。

関連論文リスト

• Perceptual Quality Assessment of 3D Gaussian Splatting: A Subjective Dataset and Prediction Metric [76.66966098297986]
  3DGSの主観的品質評価データセットである3DGS-QAを提案する。 15種類の物体に対して225の劣化した復元を行い、共通の歪み要因の制御を可能にした。 本モデルでは,ガウス表現から空間的および測光的手がかりを抽出し,構造的に知覚された品質を推定する。
  論文  参考訳（メタデータ） (2025-11-11T09:34:20Z)
• Print2Volume: Generating Synthetic OCT-based 3D Fingerprint Volume from 2D Fingerprint Image [5.697372349288325]
  本稿では,2次元指紋画像からリアルな合成3D指紋を生成するための新しいフレームワークであるPrint2Volumeを紹介する。 420,000のサンプルからなる大規模合成データセットを作成した。 合成データ上で認識モデルを事前学習し、それを小さな実世界のデータセットで微調整することにより、EER(Equal Error Rate)の顕著な低減を実現した。
  論文  参考訳（メタデータ） (2025-08-29T07:26:39Z)
• Plug-and-Play with 2.5D Artifact Reduction Prior for Fast and Accurate Industrial Computed Tomography Reconstruction [4.024850952459758]
  コーンビームX線CT (XCT) は, 内部構造を3次元再構成する上で必要不可欠なイメージング技術である。 プラグイン・アンド・プレイトモグラフィー再構成フレームワークにアーティファクト・リダクションを組み込んだ最近の成果は有望である。 また, この2.5D前のモデルでは, 復元の質が向上するだけでなく, 一般的に発生するXCTアーティファクトを直接抑制できることを示す。
  論文  参考訳（メタデータ） (2025-06-17T16:52:57Z)
• P3Net: Progressive and Periodic Perturbation for Semi-Supervised Medical Image Segmentation [60.08541107831459]
  本研究では,非ラベルデータの学習を支援するために,進行的かつ周期的な摂動機構(P3M)と境界中心の損失を提案する。 提案手法は,2つの2次元および3次元データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-05-21T05:35:28Z)
• Ray Denoising: Depth-aware Hard Negative Sampling for Multi-view 3D Object Detection [46.041193889845474]
  レイデノジング(Ray Denoising)は、カメラ線に沿って戦略的にサンプリングすることで検出精度を高める革新的な手法である。 Ray Denoisingはプラグイン・アンド・プレイモジュールとして設計されており、DETR方式のマルチビュー3D検出器と互換性がある。 NuScenesデータセット上の最先端のStreamPETR法よりも平均精度(mAP)が1.9%向上した。
  論文  参考訳（メタデータ） (2024-02-06T02:17:44Z)
• FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models [59.13757801286343]
  クラス増分学習(class-incremental learning)は、モデルが限られたデータで漸進的にトレーニングされている場合、破滅的な忘れの問題を軽減することを目的としている。 本稿では,特徴空間の不整合のための冗長特徴除去器 (RFE) と,重要な雑音に対する空間ノイズ補償器 (SNC) の2つの新しいコンポーネントを備えたFILP-3Dフレームワークを紹介する。
  論文  参考訳（メタデータ） (2023-12-28T14:52:07Z)
• Interpretable 2D Vision Models for 3D Medical Images [47.75089895500738]
  本研究では,3次元画像処理における中間特徴表現を用いた2次元ネットワークの適応手法を提案する。 我々は、ベンチマークとして3D MedMNISTデータセットと、既存の手法に匹敵する数百の高分解能CTまたはMRIスキャンからなる2つの実世界のデータセットを示す。
  論文  参考訳（メタデータ） (2023-07-13T08:27:09Z)
• Voxel-wise classification for porosity investigation of additive manufactured parts with 3D unsupervised and (deeply) supervised neural networks [5.467497693327066]
  本研究は,X-CT画像からのAMサンプルの容積解析のための最近の教師付き (UNet, UNet++, UNet 3+, MSS-UNet) と教師なし (VAE, ceVAE, gmVAE, vqVAE) DLモデルを再検討する。 3次元入力データを3次元パッチパイプラインで受け入れるように拡張し、計算要求を低くし、効率と一般化性を改善した。 VAE/ceVAEモデルは、特に後処理技術を利用した場合、優れた性能を示した。
  論文  参考訳（メタデータ） (2023-05-13T11:23:00Z)
• RiCS: A 2D Self-Occlusion Map for Harmonizing Volumetric Objects [68.85305626324694]
  カメラ空間における光マーチング (RiCS) は、3次元における前景物体の自己閉塞を2次元の自己閉塞マップに表現する新しい手法である。 表現マップは画像の質を高めるだけでなく,時間的コヒーレントな複雑な影効果をモデル化できることを示す。
  論文  参考訳（メタデータ） (2022-05-14T05:35:35Z)
• Secrets of 3D Implicit Object Shape Reconstruction in the Wild [92.5554695397653]
  コンピュータビジョン、ロボティクス、グラフィックスの様々な用途において、高精細な3Dオブジェクトをスパースから再構築することは重要です。 最近の神経暗黙的モデリング法は、合成データセットまたは高密度データセットで有望な結果を示す。 しかし、粗末でノイズの多い実世界のデータではパフォーマンスが悪い。 本論文では, 一般的な神経暗黙モデルの性能低下の根本原因を解析する。
  論文  参考訳（メタデータ） (2021-01-18T03:24:48Z)

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。