論文の概要: RCL-Mamba: A Dual-domain State Space Model for Measurement-oriented Image Restoration in Rotational Sparse-View Scanning Computed Laminography
- arxiv url: http://arxiv.org/abs/2606.31353v1
- Date: Tue, 30 Jun 2026 08:50:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.146206
- Title: RCL-Mamba: A Dual-domain State Space Model for Measurement-oriented Image Restoration in Rotational Sparse-View Scanning Computed Laminography
- Title（参考訳）: RCL-Mamba: 回転スパークビュー走査型CTにおける計測指向画像復元のための二重領域状態空間モデル
- Abstract要約: 本稿では,計測指向の2領域状態空間モデル(SSM)に基づく画像復元ネットワークであるRCL-Mambaを提案する。
必要なスキャニングビューを512から64に短縮することにより,再構築品質を損なうことなく,約8倍の検査効率を向上させる。
- 参考スコア（独自算出の注目度）: 24.119431214897915
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rotational Scanning Computed Laminography (RCL) is widely utilized for the Non-Destructive Testing(NDT) of large planar components. However, to facilitate rapid inspection, continuous sparse-view scanning is often employed, where the angular integration effect during exposure induces rotational blur in the projection domain. Furthermore, the data incompleteness inherent in sparse sampling manifests as sparse artifacts in the reconstructed image domain. To address these cross-domain degradations, this paper proposes RCL-Mamba, a measurement-oriented dual-domain State Space Model (SSM)-based image restoration network. The framework adopts a cascaded joint processing strategy: it first corrects the rotational blur in the projection domain and subsequently suppresses the sparse artifacts in the image domain. Additionally, we design a Mamba-CNN dual-branch module to adaptively balance large-scale blur correction with local detail recovery. Evaluations on both simulated datasets and real-world Printed Circuit Board (PCB) scans demonstrate that RCL-Mamba outperforms existing baselines in blur removal, artifact suppression, and structural preservation. Line-profile-based structural measurement further verifies that the proposed method better preserves via/pad boundaries and slender trace profiles. Crucially, by reducing the required scanning views from 512 to 64, our method enhances inspection efficiency by approximately 8-fold without compromising reconstruction quality, offering a robust measurement-oriented restoration solution for high-throughput RCL inspection with improved structural measurement fidelity.
- Abstract（参考訳）: RCL(Rotational Scanning Computed Laminography)は、大規模平面部品の非破壊試験(NDT)に広く利用されている。
しかし、迅速検査を容易にするため、連続スパースビュースキャンがよく用いられ、露光時の角積分効果はプロジェクション領域の回転ぼけを引き起こす。
さらに、スパースサンプリングに固有のデータ不完全性は、再構成画像領域におけるスパースアーティファクトとして現れる。
本稿では,SSMに基づく画像復元ネットワークであるRCL-Mambaを提案する。
このフレームワークは、まずプロジェクション領域の回転ぼけを補正し、次いで画像領域のスパースアーティファクトを抑制するカスケードなジョイント処理戦略を採用する。
さらに,Mamba-CNNデュアルブランチモジュールを設計し,大規模なぼかし補正と局所的な詳細回復を適応的にバランスさせる。
シミュレーションデータセットと実世界のプリント回路基板(PCB)スキャンによる評価は、RCL-Mambaが既存のベースラインよりも、ぼやけた除去、アーティファクトの抑制、構造保存に優れていることを示している。
線形特徴量に基づく構造測定により,提案手法は,スレンダートレーサプロファイルとスレンダートレーサ境界をよりよく保存することを確認した。
重要なことは,必要な走査ビューを512から64に削減することで,再構築品質を損なうことなく,約8倍の検査効率を向上し,高スループットRCL検査のための堅牢な計測指向の復元ソリューションと構造測定精度の向上を実現した。
関連論文リスト
- Spatial-Aware Reduction Framework: Towards Efficient and Faithful Visual State Space Models [71.59431204970339]
STORMは空間対応のトークン還元フレームワークである。
空間単位上の構造演算に還元を再構成する。
様々なビジョンのMambaバックボーンにまたがって最先端のプルーニング精度を実現する。
論文 参考訳（メタデータ） (2026-06-18T08:31:11Z) - SAS-Net: Scene-Appearance Separation Network for Robust Spatiotemporal Registration in Bidirectional Photoacoustic Microscopy [1.1597621848542221]
光高速分解能光音響顕微鏡(OR-PAM)と双方向走査は、迅速な機能脳イメージングを可能にする。
提案手法により,高感度な双方向OR-PAMによる定量的・縦断的機能イメージングが可能となる。
論文 参考訳（メタデータ） (2026-02-06T21:01:27Z) - Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。
本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。
CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-12-13T08:31:46Z) - 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) - CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。
暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。
SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文 参考訳（メタデータ） (2024-06-21T08:38:30Z) - Mitigating Data Consistency Induced Discrepancy in Cascaded Diffusion Models for Sparse-view CT Reconstruction [4.227116189483428]
本研究は, 離散性緩和フレームワークを用いた新規なカスケード拡散について紹介する。
潜在空間の低画質画像生成と画素空間の高画質画像生成を含む。
これは、いくつかの推論ステップをピクセル空間から潜在空間に移すことによって計算コストを最小化する。
論文 参考訳（メタデータ） (2024-03-14T12:58:28Z) - Colmap-PCD: An Open-source Tool for Fine Image-to-point cloud
Registration [7.860297360803415]
本稿では, 既設のLiDARマップを固定制約として利用する, コスト効率の高い新しい再構築パイプラインを提案する。
本手法は,カメラとLiDARデータの同期キャプチャを必要とせずに,最初にポイントクラウドマップに画像を登録する手法である。
論文 参考訳（メタデータ） (2023-10-09T08:09:15Z) - Near-filed SAR Image Restoration with Deep Learning Inverse Technique: A
Preliminary Study [5.489791364472879]
近接場合成開口レーダ(SAR)は、ターゲットの散乱分布ホットスポットの高解像度画像を提供する。
一方、撮像の結果は、サイドローブ、クラッタ、ノイズから必然的に劣化する。
イメージを復元するために、現在の手法では、例えば、点拡散関数(PSF)は空間的に一貫したものであり、ターゲットはスパース点散乱器などで構成されている。
我々は、分解モデルを空間的に可変な複素畳み込みモデルに再構成し、近接場SARのシステム応答を考慮した。
モデルに基づくディープラーニングネットワークは、復元するために設計されている
論文 参考訳（メタデータ） (2022-11-28T01:28:33Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。
監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。
ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文 参考訳（メタデータ） (2020-12-18T08:25:39Z) - 2-Step Sparse-View CT Reconstruction with a Domain-Specific Perceptual
Network [14.577323946585755]
本稿では,再構成を2段階に分割し,スパースビュートモグラフィのための新しい枠組みを提案する。
中間的な結果は、保存された細部とストリークアーティファクトを高度に縮小したクローズドフォームのトモグラフィー再構成を可能にする。
第2に、復元を訓練したリファインメントネットワークであるprnは、残りのアーティファクトを減らす。
論文 参考訳（メタデータ） (2020-12-08T21:16:43Z) - Light Field Spatial Super-resolution via Deep Combinatorial Geometry
Embedding and Structural Consistency Regularization [99.96632216070718]
ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。
LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。
本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-05T14:39:57Z)
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。