Fugu-MT 論文翻訳(概要): Cross-Spectral Dense Correspondence for Multimodal Spectral Medical Imaging

論文の概要: Cross-Spectral Dense Correspondence for Multimodal Spectral Medical Imaging

arxiv url: http://arxiv.org/abs/2608.28341v1
Date: Fri, 28 Aug 2026 13:53:29 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-31 17:16:04.344038
Title: Cross-Spectral Dense Correspondence for Multimodal Spectral Medical Imaging
Title（参考訳）: マルチモーダル・スペクトラル・メディカル・イメージングのためのクロススペクトル密度対応
Abstract要約: 我々は、強度入力投影を持つ既存のベンチマークベンチマークに、センサ非依存のクロススペクトル変調プロトコルを導入する。標準RGBベンチマークの性能を維持しながら、スペクトルミスマッチによる大幅な改善を示す。
参考スコア（独自算出の注目度）: 9.00893522009341
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Precise dense correspondence is a fundamental prerequisite for multimodal spectral imaging systems that fuse disparate wavelength ranges for subsequent analysis in medical and scientific imaging. Corresponding image points are often observed with non-overlapping spectral sensitivities, leading to wavelength-dependent contrast changes, intensity inversions, and appearance shifts for which dense ground truth is difficult to obtain and conventional RGB-based training data provides only limited supervision. We address this data gap by introducing a sensor-agnostic cross-spectral modulation protocol on established correspondence benchmarks with intensity input projection, and by proposing a synthetic cross-spectral correspondence benchmark simulating physically plausible radiometric differences. Evaluation on several modern dense correspondence backbones trained with our unified cross-spectral protocol showed substantial improvements under severe spectral mismatch while maintaining performance on standard RGB benchmarks. Ablation experiments show that view-dependent channel selection and nonlinear radiometric transformations provide complementary robustness, indicating that the primary limitation of existing models is not their structural matching capacity but the mismatch between training distribution and spectral characteristics of the target image pair. Qualitative evaluations on heterogeneous medical spectral acquisition systems demonstrate the practical relevance of the proposed training data augmentation protocol as an enabler for spatially coherent spectral fusion in HSI workflows.
Abstract（参考訳）: 精密密度対応は、医学および科学的イメージングにおけるその後の分析のために異なる波長範囲を融合するマルチモーダルスペクトルイメージングシステムの基本的前提条件である。対応するイメージポイントは、重複しないスペクトル感度でしばしば観察され、波長依存性のコントラスト変化、強度インバージョン、高密度地盤真理の取得が困難な外見シフトを引き起こし、従来のRGBベースのトレーニングデータは限られた監督しか提供しない。このデータギャップに対処するには、センサに依存しないクロススペクトル変調プロトコルを導入し、物理的に可視なラジオメトリック差をシミュレートする合成クロススペクトル対応ベンチマークを提案する。標準RGBベンチマークの性能を維持しつつ, スペクトルミスマッチ下で大幅に改善した。アブレーション実験により、ビュー依存チャネル選択と非線形ラジオメトリック変換は相補的ロバスト性を示し、既存のモデルの一次制限は、その構造的マッチング能力ではなく、トレーニング分布と目標画像対のスペクトル特性とのミスマッチであることを示した。不均一な医用スペクトル取得システムにおける定性評価は、HSIワークフローにおける空間コヒーレントなスペクトル融合の実現手段として、提案したトレーニングデータ拡張プロトコルの実用的妥当性を示す。

関連論文リスト

SSFT: A Lightweight Spectral-Spatial Fusion Transformer for Generic Hyperspectral Classification [42.09644109233563]
本稿では,スペクトル・空間経路に表現学習を分解する軽量なスペクトル・空間融合変換器(SSFT)を提案する。我々は,地球観測,果実条件評価,微粒化材料認識を対象とするヘテロジニアスなマルチデータセットベンチマークであるHSI-Benchmarkについて,SSFTの評価を行った。
論文参考訳（メタデータ） (2026-04-17T08:31:25Z)
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)
Spectral Discrepancy and Cross-modal Semantic Consistency Learning for Object Detection in Hyperspectral Image [40.38555448650773]
スペクトル分解能の高いハイパースペクトル画像は、類似した物質の微妙な違いを認識するための新たな洞察を与える。ハイパースペクトル画像における物体検出は、ハイパースペクトル間バンドの空間的差異により、クラス内およびクラス間類似性において重大な課題に直面している。 textbfSpectral textbfDiscrepancy と textbfCross-textbfModal semantic consistency learning (SDCM) という新しいネットワークを提案する。提案手法は他の手法と比較して最先端の性能を実現する。
論文参考訳（メタデータ） (2025-12-20T07:03:09Z)
Uncertainty Quantification in HSI Reconstruction using Physics-Aware Diffusion Priors and Optics-Encoded Measurements [12.90606332269204]
ベイズ推論問題として高スペクトル像(HSI)再構成を定式化する。我々は,非条件で訓練された画素レベルの拡散と後方拡散サンプリングを利用するHSDiffというフレームワークを提案する。我々は,HSDiffが不確実性を考慮したHSI再建のための完全かつ高性能な手法であることを実証した。
論文参考訳（メタデータ） (2025-11-23T14:43:51Z)
SpectralAdapt: Semi-Supervised Domain Adaptation with Spectral Priors for Human-Centered Hyperspectral Image Reconstruction [20.98412186634439]
ハイパースペクトルイメージングは、豊富なスペクトル情報のために医療にとって大きな可能性を秘めている。しかし、HSIデータの取得は費用がかかり技術的に要求される。一般と人中心のHSIデータセット間のドメインギャップを埋めるフレームワークであるSpectralAdaptを提案する。
論文参考訳（メタデータ） (2025-11-17T06:17:13Z)
CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
論文参考訳（メタデータ） (2025-04-27T13:06:40Z)
ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文参考訳（メタデータ） (2023-07-26T07:45:14Z)
Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
論文参考訳（メタデータ） (2023-02-02T05:24:50Z)
Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
論文参考訳（メタデータ） (2022-04-11T17:29:36Z)
Cross-Spectral Periocular Recognition with Conditional Adversarial Networks [59.17685450892182]
本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。 EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
論文参考訳（メタデータ） (2020-08-26T15:02:04Z)
Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。