論文の概要: MicroZoom: Structure-Preserving Detail Synthesis at Extreme Scale
- arxiv url: http://arxiv.org/abs/2607.24729v1
- Date: Mon, 27 Jul 2026 17:57:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.547933
- Title: MicroZoom: Structure-Preserving Detail Synthesis at Extreme Scale
- Title（参考訳）: マイクロズーム:超大規模における構造保存詳細合成
- Abstract要約: ギガピクセル画像合成のための生成フレームワークであるMicroZoomを顕微鏡スケールで紹介する。
我々は、最大350倍の倍率でフルイメージ、参照ベース、極端スケールの超解像に焦点を当てている。
我々は,自撮りの日常オブジェクトの集合に対するアプローチを検証するとともに,世界規模で一貫性のある,物質的に接地されたギガピクセル画像を示す。
- 参考スコア（独自算出の注目度）: 18.867066543689972
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce MicroZoom, a generative framework for gigapixel image synthesis at the microscopic scale. Given a standard photograph and a sparse set of consumer-grade microscope close-ups, MicroZoom synthesizes a seamless, gigapixel-resolution image grounded in the material character of the real references, enabling exploratory visualization of microscopic texture across the full spatial extent of an object. Our goal is plausible synthesis, not exact reconstruction. We focus on full-image, reference-based, extreme-scale super-resolution at magnification levels of up to 350x, a setting that introduces two major challenges: (1) recovering texture-specific detail from highly lossy inputs near ambiguous material boundaries, and (2) preserving correct large-scale pattern structure, such as the repeating geometry of a fabric weave, across millions of local predictions. We address these with a two-stage cascaded design, where the first stage recovers global pattern coherence and the second refines local texture detail, supplemented by a segmentation mask to guide synthesis at ambiguous boundaries. We verify our approach on a collection of self-captured everyday objects and demonstrate globally coherent, materially grounded gigapixel imagery.
- Abstract（参考訳）: ギガピクセル画像合成のための生成フレームワークであるMicroZoomを顕微鏡スケールで紹介する。
標準の写真と、コンシューマグレードの顕微鏡クローズアップのスパースセットが与えられたMicroZoomは、実際の参照の材料キャラクタに接したシームレスでギガピクセル解像度の画像を合成し、オブジェクトの全空間範囲にわたって顕微鏡テクスチャを探索的に可視化する。
私たちの目標は、正確な再構築ではなく、もっともらしい合成です。
最大350倍の解像度でのフルイメージ,参照ベース,極端スケールの超解像に焦点をあて,(1)曖昧な材料境界付近の高損失な入力からテクスチャ特異的な詳細を復元すること,(2)布織の繰り返し幾何学などの大規模パターン構造を,数百万の局所的な予測で保存すること,という2つの大きな課題を提起する。
そこで,第1段目はグローバルなパターンコヒーレンスを回復し,第2段目は局所的なテクスチャの詳細を改良し,分割マスクで補足して曖昧な境界での合成をガイドする。
我々は,自撮りの日常オブジェクトの集合に対するアプローチを検証するとともに,世界規模で一貫性のある,物質的に接地されたギガピクセル画像を示す。
関連論文リスト
- Genesis: A Generative Engine for Hierarchical Satellite Image Synthesis [19.89638839762492]
Genesisは、クワッドツリー上に2つの特別な演算子を構成することで、両方の軸をまとめる生成エンジンである。
スパース種子を任意の初期構成からシームレスで多解像度の地図に伝播する。
dense500は、多様な地理的領域にまたがる完全なマルチスケールのピラミッドデータセットである。
論文 参考訳（メタデータ） (2026-09-02T14:53:21Z) - MuViT: Multi-Resolution Vision Transformers for Learning Across Scales in Microscopy [1.9116784879310027]
我々は、同じ基盤画像から真のマルチ解像度観測を融合するために構築されたトランスフォーマーアーキテクチャであるMuViTを紹介する。
合成ベンチマーク、腎臓病理、高分解能マウス脳顕微鏡などを通じて、MuViTは強力なViTおよびCNNベースラインよりも一貫した改善を行っている。
論文 参考訳（メタデータ） (2026-02-27T17:48:54Z) - UltraZoom: Generating Gigapixel Images from Regular Photos [24.499935395611143]
我々は,カジュアルにキャプチャされた入力からオブジェクトのギガピクセル分解能画像を生成するシステムであるUltraZoomを提案する。
フルショットイメージ(グロバル、ローディテール)と1つ以上のクローズアップ(ローカル、ハイディテール)が与えられた場合、UltraZoomは、クローズアップ例の詳細な詳細とスケールに合わせてフルイメージをスケールアップする。
論文 参考訳（メタデータ） (2025-06-16T17:58:29Z) - Mesoscopic Insights: Orchestrating Multi-scale & Hybrid Architecture for Image Manipulation Localization [45.99713338249702]
メソスコピックレベルは、マクロと顕微鏡の世界の間の橋渡しとして機能し、両者が見落としているギャップに対処する。
そこで本研究では,IMLのためのマイクロおよびマクロ情報のメソスコピック表現を同時に構築する方法について検討する。
私たちのモデルは、パフォーマンス、計算複雑性、堅牢性の観点から、現在の最先端のモデルを超えています。
論文 参考訳（メタデータ） (2024-12-18T11:43:41Z) - ZoomLDM: Latent Diffusion Model for multi-scale image generation [57.639937071834986]
複数のスケールで画像を生成するための拡散モデルZoomLDMを提案する。
我々のアプローチの中心は、自己教師あり学習(SSL)埋め込みを利用した、新たな拡大対応条件付け機構である。
ZoomLDMは、コンテキスト的に正確であり、異なるズームレベルで詳細なコヒーレントな病理像を合成する。
論文 参考訳（メタデータ） (2024-11-25T22:39:22Z) - Pyramid Texture Filtering [86.15126028139736]
目立った構造を保ちながらテクスチャをスムーズにするための,シンプルだが効果的な手法を提案する。
ガウスピラミッドの粗いレベルは、しばしば自然にテクスチャを排除し、主要な画像構造を要約する。
本手法は, 異なるスケール, 局所的なコントラスト, 形状のテクスチャから構造を分離する上で, 構造劣化や視覚的アーティファクトの導入を伴わずに有効であることを示す。
論文 参考訳（メタデータ） (2023-05-11T02:05:30Z) - GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from
Multi-view Images [79.39247661907397]
本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。
具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
論文 参考訳（メタデータ） (2023-03-24T03:32:02Z) - HORIZON: High-Resolution Semantically Controlled Panorama Synthesis [105.55531244750019]
パノラマ合成は、仮想世界の中心にユーザーを没入させ、360度の視覚的な風景を再現する。
視覚合成の最近の進歩は、2次元平面画像における意味制御の可能性を解き放ったが、これらの手法のパノラマ合成への直接的応用は歪んだ内容を生み出す。
我々は,高分解能パノラマを生成するための革新的な枠組みを公表し,洗練された球面モデリングによる球面歪みとエッジ不連続性の問題に着目した。
論文 参考訳（メタデータ） (2022-10-10T09:43:26Z) - Dual Pyramid Generative Adversarial Networks for Semantic Image
Synthesis [94.76988562653845]
セマンティック画像合成の目標は、セマンティックラベルマップからフォトリアリスティック画像を生成することである。
しかし、現在の最先端のアプローチは、さまざまなスケールで画像で現実的なオブジェクトを生成するのに依然として苦労している。
本研究では,空間適応型正規化ブロックの条件付けを各スケールで同時に学習するDual Pyramid Generative Adversarial Network (DP-GAN)を提案する。
論文 参考訳（メタデータ） (2022-10-08T18:45:44Z) - Paying U-Attention to Textures: Multi-Stage Hourglass Vision Transformer for Universal Texture Synthesis [2.8998926117101367]
ユニバーサルテクスチャ合成のための新しいU-Attention Vision Transformerを提案する。
注意機構によって実現された自然の長距離依存性を利用して,多様なテクスチャを合成する手法を提案する。
本研究では,グローバルな構造に参画し,様々なスケールでパッチマッピングを行う階層型時計バックボーンを提案する。
論文 参考訳（メタデータ） (2022-02-23T18:58:56Z) - Aggregated Contextual Transformations for High-Resolution Image
Inpainting [57.241749273816374]
画像の高精細化のための拡張GANモデルAggregated Contextual-Transformation GAN (AOT-GAN)を提案する。
そこで,提案するAOTブロックの複数のレイヤを積み重ねることで,AOT-GANのジェネレータを構築する。
テクスチャ合成を改善するため,AOT-GANの識別をマスク予測タスクでトレーニングすることで強化する。
論文 参考訳（メタデータ） (2021-04-03T15:50:17Z) - Seeing the World in a Bag of Chips [73.561388215585]
ハンドヘルドRGBDセンサによる新しいビュー合成と環境再構築の二重問題に対処する。
提案するコントリビューションは,1)高スペクトル物体のモデリング,2)反射間およびフレネル効果のモデリング,3)形状のみを再構築するために必要な同じ入力で表面光場再構成を可能にすることを含む。
論文 参考訳（メタデータ） (2020-01-14T06:44:44Z)
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。