論文の概要: A Zero-Shot Deep Image Prior Framework for Denoising and Deconvolution in Fluorescence Microscopy

• arxiv url: http://arxiv.org/abs/2606.28431v1
• Date: Fri, 26 Jun 2026 01:52:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.556229
• Title: A Zero-Shot Deep Image Prior Framework for Denoising and Deconvolution in Fluorescence Microscopy
• Title（参考訳）: 蛍光顕微鏡におけるDenoising and DeconvolutionのためのZero-Shot Deep Image Prior Framework
• Abstract要約: SDIPは、外部トレーニングデータなしで逐次デノベーションとデコンボリューションを行う、ゼロショットのディープイメージ事前フレームワークである。 複数の細胞構造にわたるBioSRデータセットの実験により、SDIPは信号対雑音比と分解能の両方を改善していることが示された。 提案フレームワークは,他の逆問題に対する物理誘導型DIP手法の設計に有用な知見を提供する。
• 参考スコア（独自算出の注目度）: 6.129338407421482
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fluorescence microscopy images are degraded by noise and diffraction-induced blur, which compromise structural fidelity and limit quantitative analysis. Supervised deep learning methods achieve impressive restoration performance but require large-scale paired datasets that are difficult to obtain in practice. To address this issue, we propose SDIP, a zero-shot deep image prior (DIP) framework that sequentially performs denoising and deconvolution without external training data. An aSeqDIP-based module first suppresses noise while preserving fine structures through sequential autoencoding regularization. In the deconvolution stage, a wavelet-based background correction step is incorporated before the proposed RLG-DIP module performs artifact-reduced deconvolution. RLG-DIP uses the Richardson-Lucy deconvolution result as a physically consistent guidance prior, integrating the imaging model with the implicit prior of DIP to stabilize the ill-posed deconvolution process. Experiments on the BioSR dataset across multiple cellular structures demonstrate that SDIP improves both signal-to-noise ratio and resolution, achieving superior visual quality and improved quantitative performance on most evaluated structures. The proposed framework may also provide useful insights for designing physically guided DIP methods for other inverse problems.
• Abstract（参考訳）: 蛍光顕微鏡画像はノイズや回折によって引き起こされるぼかしによって劣化し、構造的忠実度を損なうとともに、定量分析の限界となる。 改良された深層学習手法は、目覚ましい復元性能を実現するが、実際には入手が困難である大規模なペアデータセットを必要とする。 この問題に対処するためにSDIPを提案する。SDIPは、外部のトレーニングデータなしで順次デノジングとデコンボリューションを行う、ゼロショットのディープイメージプリエント(DIP)フレームワークである。 aSeqDIPベースのモジュールは、まず、シーケンシャルなオートエンコード正規化によって微細な構造を保持しながらノイズを抑える。 このデコンボリューション段階では、提案したRCG-DIPモジュールがアーティファクト再生デコンボリューションを行う前に、ウェーブレットベースのバックグラウンド補正ステップが組み込まれる。 RLG-DIPは、Richardson-Lucyのデコンボリューション結果を物理的に一貫したガイダンスとして使用し、画像モデルとDIPの暗黙のデコンボリューションプロセスの統合により、不正なデコンボリューションプロセスの安定化を図る。 複数のセル構造にまたがるBioSRデータセットの実験では、SDIPは信号対雑音比と分解能の両方を改善し、視覚的品質を向上し、多くの評価された構造に対して定量的性能を向上させる。 提案フレームワークは,他の逆問題に対する物理誘導型DIP手法の設計に有用な知見を提供する。

関連論文リスト

• Pooling-Based Context Modeling for Convolution-Free Deep Image Prior [23.847793658583257]
  Pool-DIPは、プールベースのコントラストモデリングを取り入れた畳み込みのないアーキテクチャで、空間コンテキストを効率的にキャプチャする。 Pool-DIPは、実世界のベンチマークを含む、複数のデータセット間での競合的なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-07-03T04:56:45Z)
• A Principled Self-Referenced Early Stopping Approach for Deep Image Prior [11.99863900194054]
  劣化画像の2つの独立ノイズコピーが利用可能である場合に、ほぼ最適なDIP早期停止が達成できることを示す。 本稿では、擬似自己参照画像の構築に基づく過適合検出フレームワークを提案し、3つのIP固有アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-05-24T23:35:13Z)
• Conditional Denoising Diffusion Model-Based Robust MR Image Reconstruction from Highly Undersampled Data [11.174208209806073]
  アンダーサンプリング戦略は画像の取得を加速させるが、多くの場合、画像のアーティファクトと劣化した品質をもたらす。 近年の拡散モデルでは、強力な画像先行学習により、アンダーサンプルデータから高忠実度画像の再構成が期待されている。 本稿では,反復的データ一貫性補正を伴う条件付きデノナイジング拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-07T18:01:08Z)
• 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)
• One-Step Diffusion-based Real-World Image Super-Resolution with Visual Perception Distillation [53.24542646616045]
  画像超解像(SR)生成に特化して設計された新しい視覚知覚拡散蒸留フレームワークであるVPD-SRを提案する。 VPD-SRは2つのコンポーネントから構成される: 明示的セマンティック・アウェア・スーパービジョン(ESS)と高周波知覚(HFP)損失。 提案したVPD-SRは,従来の最先端手法と教師モデルの両方と比較して,たった1ステップのサンプリングで優れた性能が得られる。
  論文  参考訳（メタデータ） (2025-06-03T08:28:13Z)
• Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
  本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。 これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。 BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-03-11T11:13:10Z)
• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる低照度RAW画像用にカスタマイズされた新しいMambaベースの手法を提案する。 低照度RAW画像の高精細化を図り、復調を施すことにより、高精細化を実現する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Latent Diffusion Prior Enhanced Deep Unfolding for Snapshot Spectral Compressive Imaging [17.511583657111792]
  スナップショット分光画像再構成は、単発2次元圧縮計測から3次元空間スペクトル像を再構成することを目的としている。 我々は, 深部展開法に先立って劣化のないモデルを生成するため, 遅延拡散モデル(LDM)という生成モデルを導入する。
  論文  参考訳（メタデータ） (2023-11-24T04:55:20Z)
• Reti-Diff: Illumination Degradation Image Restoration with Retinex-based Latent Diffusion Model [59.08821399652483]
  照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。 これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。 我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。 Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
  論文  参考訳（メタデータ） (2023-11-20T09:55:06Z)
• DiffBIR: Towards Blind Image Restoration with Generative Diffusion Prior [70.46245698746874]
  DiffBIRは、視覚の異なる画像復元タスクを処理できる一般的な修復パイプラインである。 DiffBIRは, ブラインド画像復元問題を, 1) 劣化除去: 画像に依存しない内容の除去; 2) 情報再生: 失われた画像内容の生成の2段階に分離する。 第1段階では, 修復モジュールを用いて劣化を除去し, 高忠実度復元結果を得る。 第2段階では、潜伏拡散モデルの生成能力を活用して現実的な詳細を生成するIRControlNetを提案する。
  論文  参考訳（メタデータ） (2023-08-29T07:11:52Z)
• A Fast Alternating Minimization Algorithm for Coded Aperture Snapshot Spectral Imaging Based on Sparsity and Deep Image Priors [8.890754092562918]
  Coded Aperture snapshot Spectrum Imaging (CASSI)は、3次元ハイパースペクトル画像(HSI)を再構成する技術である。 本稿では,自然画像の空間と深部画像の先行値(Fama-P)に基づいて,高速な変動最小化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-12T03:29:14Z)

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。