論文の概要: Spectral Consistent Flow for One-step 3D Medical Image Translation
- arxiv url: http://arxiv.org/abs/2607.10627v1
- Date: Sun, 12 Jul 2026 07:40:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.486453
- Title: Spectral Consistent Flow for One-step 3D Medical Image Translation
- Title（参考訳）: 1ステップ3次元医用画像翻訳のためのスペクトル一貫性流れ
- Abstract要約: 本稿では,潜伏空間における単一機能評価(1-NFE)を用いた3次元医用翻訳フレームワークであるSC-Flowについて述べる。
SC-Flowは、さまざまな翻訳シナリオにおいて、はるかに正確で、一貫性があり、堅牢なパフォーマンスを提供する。
- 参考スコア（独自算出の注目度）: 7.966977389743353
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Spectral Consistent Flow (SC-Flow), a 3D medical image translation framework with a single function evaluation (1-NFE) in the latent space. This approach reformulates medical image translation as a stochastic Brownian bridge process that directly constructs a mapping between source and target modalities by predicting the support regularized mean velocity field. To mitigate modality entanglement, over-smoothing, and artifacts induced by the implicit low-pass modulation of the latent average velocity, we introduce a Spectral Consistency Corrector that dynamically regularizes the evolution of the power spectral density via learnable frequency-domain gain modulation. This mechanism establishes an explicit bridge between spatial textures and spectral energy flow, enabling the model to recover fine-grained anatomical fidelity while maintaining global structural coherence. Extensive experiments on four datasets demonstrate that SC-Flow delivers significantly more accurate, consistent, and robust performance across various translation scenarios.
- Abstract（参考訳）: 本稿では,潜伏空間における単一機能評価(1-NFE)を用いた3次元医用画像翻訳フレームワークであるSC-Flowについて述べる。
提案手法は, 医用画像の変換を確率的ブラウン橋プロセスとして再構成し, サポート正則化平均速度場を予測することにより, ソースとターゲットのモダリティのマッピングを直接構築する。
遅延平均速度の暗黙の低パス変調によって引き起こされるモダリティの絡み合い、過度な平滑化、アーティファクトを軽減するため、周波数領域ゲイン変調によるパワースペクトル密度の変動を動的に調整するスペクトル共振器を導入する。
このメカニズムは、空間テクスチャとスペクトルエネルギーフローの間に明確なブリッジを確立し、地球構造コヒーレンスを維持しながら、モデルが微細な解剖学的忠実さを回復することを可能にする。
4つのデータセットに対する大規模な実験により、SC-Flowはさまざまな翻訳シナリオに対して、はるかに正確で、一貫性があり、堅牢なパフォーマンスを提供することが示された。
関連論文リスト
- Dynamic-Robust Photometric-Semantic Reconstruction for Open-Vocabulary 3D Scene Understanding [63.599342750566485]
SPARは、潜在空間アグリゲーションの前に過渡的ダイナミックノイズを明示的に分離する新しい意味幾何学的エンコーディングアーキテクチャである。
エンド・ツー・エンドのアプローチは例外的な新規なビュー合成品質を実現し、PSNRは22.15dB、23.33dBでそれぞれ3と4の入力ビューしか与えられなかった。
論文 参考訳（メタデータ） (2026-08-29T09:58:24Z) - S$^3$-Diff: Structural Semantic Synergy Diffusion Model for High Fidelity Super Resolution of Pathological Images [26.861049165066635]
デジタル病理学は、正確な診断のために高解像度のスライド画像に頼っているが、画像装置、記憶装置、送信装置の制限により、臨床解釈においてより解像度の低い画像がより一般的になることが多い。
病理画像の高忠実度超解像のための拡散フレームワークである構造的セマンティック拡散相乗モデル(S3-Diff)を開発した。
S3-DiffのコアはSpecimen-aware Structure Anchoring (SSA)であり、固定SAMによって抽出された予後認識組織とLR-HR勾配の相違を組み合わせ、標本特異的な構造アンカーを生成し、病理形態を保存している。
論文 参考訳（メタデータ） (2026-08-04T12:16:36Z) - Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - Phy-CoSF: Physics-Guided Continuous Spectral Fields Reconstruction and Super-Resolution for Snapshot Compressive Imaging [79.35520607451187]
暗黙のニューラル表現で深層展開ネットワークを相乗化するPhy-CoSFを提案する。
具体的には、連続的なスペクトルレンダリングで離散波長トレーニングをブリッジする2相アーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-05-13T14:17:02Z) - InpaintSLat: Inpainting Structured 3D Latents via Initial Noise Optimization [56.525920531932606]
本稿では,初期雑音最適化に基づく3Dインペイントのためのトレーニング不要手法を提案する。
本稿では,構造化3次元潜伏拡散フレームワークの初期雑音を最適化する手法を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:45:25Z) - Particle Diffusion Matching: Random Walk Correspondence Search for the Alignment of Standard and Ultra-Widefield Fundus Images [47.944896477309555]
標準ファンドス画像(SFI)とウルトラウェードフィールドファンドス画像(UWFI)のためのロバストアライメント手法を提案する。
本手法は粒子拡散マッチング (Particle Diffusion Matching, PDM) と呼ばれ, 拡散モデルにより誘導される反復ランダムウォーク対応探索 (RWCS) を通してアライメントを行う。
PDMは複数の網膜画像アライメントベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-04-11T08:09:53Z) - SpectralMamba-UNet: Frequency-Disentangled State Space Modeling for Texture-Structure Consistent Medical Image Segmentation [14.42559964239819]
本稿ではスペクトル領域における構造情報とテクスチャ情報の学習を分離するためにSpectralMamba-UNetを提案する。
5つの公開ベンチマークの実験では、様々なモダリティとセグメンテーションターゲットに対して一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-02-26T15:17:42Z) - Edit2Perceive: Image Editing Diffusion Models Are Strong Dense Perceivers [55.15722080205737]
Edit2Perceiveは、深度、正規度、マッティングの編集モデルを適応させる統合拡散フレームワークである。
私たちの単一ステップの決定論的推論は、比較的小さなデータセットでトレーニングしながら、より高速なランタイムをもたらす。
論文 参考訳（メタデータ） (2025-11-24T01:13:51Z) - VEDA: 3D Molecular Generation via Variance-Exploding Diffusion with Annealing [4.288647933894182]
VEDAは分散拡散とアニーリングを組み合わせて3D構造を生成するフレームワークである。
QM9とGEOM-DRUGSデータセットでは、VEDAはフローベースモデルのサンプリング効率と一致する。
VEDAの生成した構造は、緩和エネルギーによって測定されるように、驚くほど安定である。
論文 参考訳（メタデータ） (2025-11-11T05:45:37Z) - SHaDe: Compact and Consistent Dynamic 3D Reconstruction via Tri-Plane Deformation and Latent Diffusion [0.0]
本稿では3つの重要な要素を統合した動的3次元シーン再構成のための新しいフレームワークを提案する。
明示的な三面変形場、球面調和(SH)注目の視野条件付き正準場、時間的に認識される潜在拡散。
提案手法は,時間とともに進化する3つの2次元特徴面を用いて4次元シーンを符号化し,効率的なコンパクト表現を実現する。
論文 参考訳（メタデータ） (2025-05-22T11:25:38Z) - Towards Detailed Text-to-Motion Synthesis via Basic-to-Advanced
Hierarchical Diffusion Model [60.27825196999742]
本稿では,B2A-HDMと呼ばれる新しい階層型拡散モデルを提案する。
特に、低次元ラテント空間における基本拡散モデルは、テキスト記述と整合した中間偏微分結果を与える。
高次元ラテント空間における高度な拡散モデルは、以下の詳細エンハンス・デノナイジング過程に焦点をあてる。
論文 参考訳（メタデータ） (2023-12-18T06:30:39Z) - DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic
Correlation Diffusion Model [46.68717345017946]
ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。
意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。
提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
論文 参考訳（メタデータ） (2023-05-21T09:21:41Z)
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。