論文の概要: Multilevel Stochastic Plug-and-Play for Sparse-View CT Reconstruction

• arxiv url: http://arxiv.org/abs/2606.24567v1
• Date: Tue, 23 Jun 2026 13:34:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.969574
• Title: Multilevel Stochastic Plug-and-Play for Sparse-View CT Reconstruction
• Title（参考訳）: Sparse-View CT 再構成のためのマルチレベル確率的プラグアンドプレイ
• Authors: Antoine De Paepe, Alexandre Bousse, Dimitris Visvikis,
• Abstract要約: Sparse-view Computed Tomography (SVCT) は放射線と時間を短縮するが、プロジェクションビューの限られた数によって再建問題が著しく悪化し、ストリークアーティファクトが生じる。 SVCT再構成実験の結果,Multilevel PlugandPlay(ML-S)と呼ばれる手法が,最先端の手法に匹敵する再現性を実現することがわかった。
• 参考スコア（独自算出の注目度）: 42.351825574378395
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sparse-view computed tomography (SVCT) reduces radiation exposure and acquisition time, but the limited number of projection views makes the reconstruction problem severely ill-posed and leads to streak artifacts when analytical methods are used. Plug-and-Play (PnP) methods provide an effective way to combine data fidelity with learned image priors, while stochastic PnP methods further improve robustness by matching the denoiser input distribution through re-noising. However, these methods often require many iterations to converge, which limits their practical efficiency. In this work, we propose a multilevel (ML) stochastic PnP method for SVCT that accelerates stochastic PnP reconstruction. We highlight that, in the stochastic setting, directly enforcing prior coherence across levels would require accurately estimating fine-level prior gradients through multiple denoiser function evaluations, which substantially increases the computational cost. Motivated by this observation, we perform the multilevel steps in multiresolution analysis (MRA) approximation spaces. This choice is supported by the structure of the wavelet decomposition, which causes the prior-coherence correction to vanish in expectation, thereby avoiding costly estimation of fine-level stochastic prior gradients for the coarse-level corrections. Experiments on SVCT reconstruction show that our method, called Multilevel Stochastic Plug-and-Play (ML-SPnP), achieves reconstruction quality comparable to state-of-the-art methods while substantially reducing runtime.
• Abstract（参考訳）: Sparse-view Computed Tomography (SVCT) は放射線露光時間と取得時間を短縮するが、プロジェクションビューの限られた数によって再建問題が著しく悪化し、解析手法を用いた場合のストリークアーティファクトに繋がる。 プラグ・アンド・プレイ法(PnP)は学習した画像の先行値とデータの忠実度を結合する有効な方法であるが,確率的PnP法は再雑音化によるデノイザー入力分布の整合によりロバスト性をさらに向上させる。 しかし、これらの手法は、しばしば多くのイテレーションを収束させる必要があり、それによって実用的効率が制限される。 本研究では,確率的PnP再構成を高速化するSVCTのためのマルチレベル確率的PnP法を提案する。 確率的条件下では,複数のデノイザ関数評価により,階層間の先行コヒーレンスを正確に推定し,計算コストを大幅に増大させる必要があることを強調した。 この観測により、我々はマルチレゾリューション解析(MRA)近似空間において、マルチレベルステップを実行する。 この選択はウェーブレット分解の構造によって支持され、これは事前コヒーレンス補正が期待通りに消滅する原因となり、粗度補正のための微視的確率的事前勾配のコストの高い推定が避けられる。 SVCT再構成実験により,本手法はML-SPnP(Multilevel Stochastic Plug-and-Play)と呼ばれ,最先端の手法に匹敵する再現性を実現し,実行時間を大幅に短縮した。

関連論文リスト

• Accelerated Gradient Descent for Faster Convergence with Minimal Overhead [1.9686770963118387]
  ディープラーニングタスクにおける非プロブレムの最適化手法としてCTAGD(Curature-Tuned Accelerated Gradient)を提案する。 CTAGDは、有限差分商を明示的に用いて一階最適化手法を高速化する一般的な推進法である。 実験により、CT-AGDは基準1次法と同じ精度を達成できるが、必要なエポックを平均で33%削減できることが示された。
  論文  参考訳（メタデータ） (2026-05-15T14:50:39Z)
• Parallel Diffusion Solver via Residual Dirichlet Policy Optimization [88.7827307535107]
  拡散モデル(DM)は、最先端の生成性能を達成したが、シーケンシャルなデノナイジング特性のため、高いサンプリング遅延に悩まされている。 既存のソルバベースの加速度法では、低次元の予算で画像品質が著しく低下することが多い。 本研究では,各ステップに複数の勾配並列評価を組み込んだ新しいODE解法であるEnsemble Parallel Directionsolvr(EPD-EPr)を提案する。
  論文  参考訳（メタデータ） (2025-12-28T05:48:55Z)
• FIMA-Q: Post-Training Quantization for Vision Transformers by Fisher Information Matrix Approximation [55.12070409045766]
  ポストトレーニング量子化(PTQ)は近年,費用対効果と有望なモデル圧縮パラダイムとして注目されている。 ビジョン変換器(ViT)の現在のPTQ法は、特に低ビット量子化において、精度が著しく低下している。
  論文  参考訳（メタデータ） (2025-06-13T07:57:38Z)
• ResPF: Residual Poisson Flow for Efficient and Physically Consistent Sparse-View CT Reconstruction [7.644299873269135]
  スパース・ビュー・コンピュート・トモグラフィー(CT)は、放射線線量を減らすための実用的な方法であるが、結果として生じる逆問題により、正確な画像再構成に重大な課題が生じる。 生成モデリングの最近の進歩、特にポアソンフロー生成モデル(PFGM)は、高忠実度画像合成を可能にする。 本稿では, 残余ポアソンフロー(ResPF)生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-06-06T01:43:35Z)
• An Unconditional Representation of the Conditional Score in Infinite-Dimensional Linear Inverse Problems [5.340736751238338]
  線形逆問題に適した条件付きスコア関数の非条件表現を提案する。 条件付きスコアはアフィン変換を用いて訓練された(条件なし)スコアから正確に導出可能であることを示す。 我々のアプローチは無限次元函数空間で定式化され、本質的に離散化不変である。
  論文  参考訳（メタデータ） (2024-05-24T15:33:27Z)
• Aiming towards the minimizers: fast convergence of SGD for overparametrized problems [25.077446336619378]
  本稿では,勾配法と同一のケース複雑性を有する勾配法を提案する。 既存の保証は全て勾配法で小さなステップを踏む必要があり、結果として収束速度ははるかに遅くなる。 我々は,線形出力層を用いた十分に広いフィードフォワードニューラルネットワークのトレーニングにおいて,この条件が成り立つことを実証した。
  論文  参考訳（メタデータ） (2023-06-05T05:21:01Z)
• Faster One-Sample Stochastic Conditional Gradient Method for Composite Convex Minimization [61.26619639722804]
  滑らかで非滑らかな項の和として形成される凸有限サム目標を最小化するための条件勾配法(CGM)を提案する。 提案手法は, 平均勾配 (SAG) 推定器を備え, 1回に1回のサンプルしか必要としないが, より高度な分散低減技術と同等の高速収束速度を保証できる。
  論文  参考訳（メタデータ） (2022-02-26T19:10:48Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• A Fast Stochastic Plug-and-Play ADMM for Imaging Inverse Problems [5.025654873456756]
  本稿では,画像アプリケーションのための効率的なプラグアンドプレイ(逆問題)アルゴリズムを提案する。 提案手法の有効性を最先端手法と比較し,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2020-06-20T18:03:52Z)

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。