論文の概要: UnCapsTSR: An Unsupervised Transformer-based Image Super-Resolution Approach for Capsule Endoscopy Images
- arxiv url: http://arxiv.org/abs/2609.02476v1
- Date: Wed, 02 Sep 2026 11:48:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.267238
- Title: UnCapsTSR: An Unsupervised Transformer-based Image Super-Resolution Approach for Capsule Endoscopy Images
- Title（参考訳）: UnCapsTSR:カプセル内視鏡画像のための教師なしトランスフォーマーによる超解像法
- Abstract要約: ワイヤレスカプセル内視鏡(WCE)は、患者の消化管(GI)を通り抜けながらビデオをキャプチャしてストリームする。
WCEはカプセルのサイズと無線通信に関する限界に悩まされ、粗い解像度の画像が生成される。
UnCapsTSRは、LR WCE画像の空間分解能を改善するための、教師なしトランスフォーマーベースのジェネレータネットワークフレームワークである。
- 参考スコア（独自算出の注目度）: 0.7501713038514418
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wireless Capsule Endoscopy (WCE) captures and streams video while passing through a patient's Gastrointestinal (GI) tract and is used to examine its irregularities. Although advantageous over conventional endoscopy, WCE suffers from limitations related to capsule size and wireless transmission, resulting in images with coarser resolution. This work presents UnCapsTSR, an unsupervised transformer-based Generative Adversarial Network (GAN) framework for improving the spatial resolution of Low-Resolution (LR) WCE images. The proposed method accomplishes SR without explicit degradation estimation of real-world LR data and eliminates the need for true LR-HR pairs. UnCapsTSR employs a Bilateral Total Variation (BTV) loss to ensure spatial continuity in SR images. A newly curated dataset from the Kvasir Capsule dataset is also presented for training WCE SR models. Generalizability is validated on KID and GIANA datasets that are not used during training. A new non-reference metric, Endoscopy Quality Metric (EndoQM), is introduced for quantitative evaluation of domain-specific WCE data. Experiments demonstrate consistent improvement over state-of-the-art unsupervised SR approaches using NIQE, BRISQUE, PIQE, and EndoQM. Statistical evaluation shows 40 to 80 percent improvement in EndoQM from LR to SR across the evaluated datasets.
- Abstract（参考訳）: ワイヤレスカプセル内視鏡(Wireless Capsule Endoscopy, WCE)は、患者の消化管(GI)を通り抜けながらビデオをキャプチャしてストリームし、その異常を検査するために使用される。
従来の内視鏡よりも有利であるが、WCEはカプセルの大きさと無線伝送に関する限界に悩まされ、粗い解像度の画像が生成される。
本研究では,UnCapsTSRを提案する。UnCapsTSRは,低分解能WCE画像の空間分解能を改善するためのGAN(Generative Adversarial Network)フレームワークである。
提案手法は,実世界のLRデータを明示的に劣化させることなくSRを達成し,真のLR-HRペアの必要性を解消する。
UnCapsTSRは、SR画像の空間連続性を確保するために、バイラテラルトータル変分(BTV)損失を用いる。
Kvasir Capsuleデータセットから新たにキュレートされたデータセットも、WCE SRモデルのトレーニング用に提供されている。
汎用性は、トレーニング中に使用されていないKIDデータセットとGIANAデータセットで検証される。
ドメイン固有のWCEデータの定量的評価のために,新しい非参照基準である内視鏡品質指標(EndoQM)を導入した。
実験は、NIQE、BRISQUE、PIQE、EndoQMを用いた最先端の教師なしSRアプローチに対する一貫した改善を示す。
統計的評価は、評価データセット全体でLRからSRへのEndoQMの40～80%の改善を示している。
関連論文リスト
- CEM-TUDASR: Computationally efficient multi-modality transformer based unsupervised domain adaptive super-resolution approach [0.721481968833929]
本稿では、低分解能(LR)と高分解能(HR)のトレーニングデータを必要としないWCE画像強調のための教師なしトランスフォーマーベースのフレームワークを提案する。
ドメイン適応分解ネットワークは、従来のHR内視鏡画像から現実的なWCEライクなLR画像を合成し、ドメインギャップを低減する。
BRISQUE、PIQE、NIQE、ドメイン固有のEndoQMなどの非参照品質指標は、CEM-TUDASRが既存の教師なしSRメソッドよりも一貫して優れていることを示している。
論文 参考訳（メタデータ） (2026-09-10T08:10:00Z) - Enhancing Implicit Neural Representations with Image Feature Embedding for Unsupervised Cardiac Cine MRI Reconstruction [2.92524552093165]
アンダーサンプリングされたk空間データは、心血管MRI再建にしばしば使用される。
教師なしのメソッドは、完全にサンプリングされた参照データを必要としない。
本研究では,画像領域のデュアルブランチINRフレームワークであるI-FP-INRを提案する。
論文 参考訳（メタデータ） (2026-07-05T01:02:42Z) - Dual-domain Adaptation Networks for Realistic Image Super-resolution [81.34345637776408]
現実画像超解像(SR)は、現実世界の低解像度(LR)画像を高解像度(HR)画像に変換することに焦点を当てている。
現在の手法は、限られた現実世界のLR-HRデータと競合し、基本的な画像特徴の学習に影響を及ぼす。
我々は、シミュレーションされた画像SRモデルを実世界のデータセットに効率よく適応できる新しいアプローチを提案する。
論文 参考訳（メタデータ） (2025-11-21T12:57:23Z) - Efficient Test-Time Adaptation for Super-Resolution with Second-Order
Degradation and Reconstruction [62.955327005837475]
画像超解像(SR)は,低分解能(LR)から高分解能(HR)へのマッピングを,一対のHR-LRトレーニング画像を用いて学習することを目的としている。
SRTTAと呼ばれるSRの効率的なテスト時間適応フレームワークを提案し、SRモデルを異なる/未知の劣化型でテストドメインに迅速に適応させることができる。
論文 参考訳（メタデータ） (2023-10-29T13:58:57Z) - Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる
本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-31T03:14:44Z) - DCS-RISR: Dynamic Channel Splitting for Efficient Real-world Image
Super-Resolution [15.694407977871341]
実世界の画像超解像(RISR)は、未知の複雑な劣化下でのSR画像の品質向上に重点を置いている。
既存の手法は、分解レベルが異なる低解像度(LR)画像を強化するために重いSRモデルに依存している。
本稿では,DCS-RISRと呼ばれる高効率リアルタイム画像超解法のための動的チャネル分割方式を提案する。
論文 参考訳（メタデータ） (2022-12-15T04:34:57Z) - Zero-shot super-resolution with a physically-motivated downsampling
kernel for endomicroscopy [5.540381950806677]
超解像(SR)法は、畳み込みニューラルネットワーク(CNN)の開発により大きな進歩を遂げました。
しかし、内視鏡検査におけるSRの研究の固有の制限は、地上真実高解像度(HR)画像の欠如のままです。
我々は、自己監督的に処理される内視鏡データのみに依存する新しいゼロショット超解像(ZSSR)アプローチを設計する。
論文 参考訳（メタデータ） (2021-03-25T17:47:02Z) - Perception Consistency Ultrasound Image Super-resolution via
Self-supervised CycleGAN [63.49373689654419]
自己スーパービジョンとサイクル生成対向ネットワーク(CycleGAN)に基づく新しい知覚整合超音波画像超解像法を提案する。
まず,検査用超音波LR画像のHR父子とLR子を画像強調により生成する。
次に、LR-SR-LRとHR-LR-SRのサイクル損失と判別器の対角特性をフル活用して、より知覚的に一貫性のあるSR結果を生成する。
論文 参考訳（メタデータ） (2020-12-28T08:24:04Z) - 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) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
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。