論文の概要: RFS-UNet: Decoder-Conditioned High-Resolution Skip Recalibration for Bone-Selective DRR Synthesis

• arxiv url: http://arxiv.org/abs/2609.08044v2
• Date: Sun, 13 Sep 2026 08:27:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:04.647509
• Title: RFS-UNet: Decoder-Conditioned High-Resolution Skip Recalibration for Bone-Selective DRR Synthesis
• Title（参考訳）: RFS-UNet:骨選択的DRR合成のためのデコーダによる高分解能スキップの校正
• Abstract要約: RFS-UNetは、デコーダが高分解能チャネル再校正に参加することを可能にする。 再建された患者共通のコホートでは、RCSはU-Net-64上でのPSNRテストを0.10dB改善する。 RFSはまたCBAMに代わる低レイテンシの代替を提供し、マッチングプロファイリングの2.25倍高速な推論を提供する。
• 参考スコア（独自算出の注目度）: 7.916410057598534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bone-selective synthesis from digitally reconstructed radiographs (DRRs) requires separating skeletal signal from overlying tissue while preserving anatomical detail. U-Net skip connections supply fine encoder features, but their transfer is independent of decoder context. We introduce RFS-UNet, which lets the decoder participate in high-resolution channel recalibration. Pooled encoder and decoder features jointly predict a bounded residual scale, initialized to preserve the original skip transfer. The module operates at the two finest resolutions and integrates directly into the backbone. On a rebuilt patient-unique cohort, RFS improves test PSNR over U-Net-64 by 0.10 dB. A three-seed comparison with encoder-only recalibration supports the contribution of decoder context. RFS also offers a lower-latency alternative to CBAM, with 2.25 times faster inference in matched profiling. Decoder-conditioned reuse thus improves bone-selective synthesis through a compact architectural change.
• Abstract（参考訳）: デジタル再構成されたX線写真(DRR)からの骨選択的合成は、解剖学的詳細を保存しながら、骨格信号と組織との分離を必要とする。 U-Netスキップ接続は細かなエンコーダ機能を提供するが、転送はデコーダコンテキストとは独立している。 RFS-UNetは、デコーダが高分解能チャネル再校正に参加することを可能にする。 ポーリングエンコーダとデコーダは、元のスキップ転送を保存するために初期化され、有界残留スケールを共同で予測する。 モジュールは2つの最高の解像度で動作し、バックボーンに直接統合される。 再建された患者共通のコホートでは、RCSはU-Net-64上でのPSNRテストを0.10dB改善する。 エンコーダのみの再校正による3シード比較は、デコーダコンテキストの寄与をサポートする。 RFSはまたCBAMに代わる低レイテンシの代替を提供し、マッチングプロファイリングの2.25倍高速な推論を提供する。 これにより、デコーダ条件の再利用により、コンパクトなアーキテクチャ変更による骨選択的合成が改善される。

関連論文リスト

• Adaptive Fused Prior Transfer for Controllable Generative Image Compression [10.733481328643235]
  本稿では,制御可能な生成画像圧縮のための適応的融合優先転送を提案する。 これは、凍結した事前訓練されたAdaCodeモデルから、適応的な融合を前もって転送する制御可能な転送である。 デコーダのレイテンシを18.1%削減し、全体のパラメータをDCVICと比較して31.10万 (20.5%)削減する。
  論文  参考訳（メタデータ） (2026-05-16T05:18:50Z)
• TAFA-GSGC: Group-wise Scalable Point Cloud Geometry Compression with Progressive Residual Refinement [62.57701599278593]
  TAFA-GSGCは,単一ビットストリームと単一トレーニングモデルからのマルチ品質デコードを可能にするスケーラブルな学習ポイントクラウドジオメトリである。 ベースラインのPCGCv2と比較すると、TAFA-GSGCはRDのパフォーマンスが同等で若干向上し、平均BD-RateはD1で-4.99%、D2で-5.92%の節約を達成した。
  論文  参考訳（メタデータ） (2026-04-30T15:57:59Z)
• From Vicious to Virtuous Cycles: Synergistic Representation Learning for Unsupervised Video Object-Centric Learning [45.1920794546889]
  我々は、エンコーダとデコーダが相互に相互に洗練されるような活発なサイクルを導入する。 エンコーダとデコーダの間の表現的ギャップを埋めることで、SRLはビデオオブジェクト中心の学習ベンチマークで最先端の結果を得る。
  論文  参考訳（メタデータ） (2026-02-03T11:11:58Z)
• In-Context Source and Channel Coding [12.557918082908545]
  本稿では,送信機を変更せずにSSCCロバスト性を向上する受信側In-Context Decoding(ICD)フレームワークを提案する。 ICDは信頼性誘導ビットフリップにより信頼度の高い候補プールを構築し、コンパクトだが多様な候補のサブセットをサンプリングし、LLMベースの算術デコーダを適用して、復元とシーケンスレベルのログライクな条件の両方を得る。
  論文  参考訳（メタデータ） (2026-01-15T10:37:57Z)
• Spectral Complex Autoencoder Pruning: A Fidelity-Guided Criterion for Extreme Structured Channel Compression [7.913101398893967]
  本稿では,個々の出力チャネルのレベルにおける機能的冗長度を測定するリコンストラクションベースの基準を提案する。 複素相互作用場を周波数領域に変換し、低容量オートエンコーダを訓練して正規化スペクトルを再構成する。 複素相互作用場のスペクトル再構成忠実度は、アグレッシブ圧縮下でのチャネルレベルの冗長性の効果的なプロキシであることがわかった。
  論文  参考訳（メタデータ） (2026-01-14T10:34:18Z)
• SSDD: Single-Step Diffusion Decoder for Efficient Image Tokenization [56.12853087022071]
  スケーリングとトレーニングの安定性を向上させるために,新しい画素拡散デコーダアーキテクチャを導入する。 蒸留を用いて, 拡散復号器の性能を効率よく再現する。 これによりSSDDは、敵の損失なしに訓練された単一ステップ再構成に最適化された最初の拡散デコーダとなる。
  論文  参考訳（メタデータ） (2025-10-06T15:57:31Z)
• Neural Signal Compression using RAMAN tinyML Accelerator for BCI Applications [2.036583412151438]
  大規模な脳記録は、オフライン分析と復号のために無線で送信しなければならない膨大な量のデータを生成する。 畳み込みオートエンコーダ(CAE)を用いたニューラル信号圧縮方式を提案する。 CAEは局所場電位(LFP)を圧縮するために最大150の圧縮比を達成する RAMANはエッジコンピューティング用に設計されたエネルギー効率の良い小型MLアクセラレータである。
  論文  参考訳（メタデータ） (2025-04-09T16:09:00Z)
• SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
  近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。 既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。 逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2025-03-16T12:32:11Z)
• Improving the Diffusability of Autoencoders [54.920783089085035]
  高品質な画像やビデオを生成するための主要なアプローチとして、潜伏拡散モデルが登場している。 我々は、現代のオートエンコーダのスペクトル分析を行い、その潜在空間における不規則な高周波成分を同定する。 我々は、この高周波成分が拡散合成プロセスの粗大な微細な性質に干渉し、生成品質を阻害する仮説を立てた。
  論文  参考訳（メタデータ） (2025-02-20T18:45:44Z)
• Denoising Diffusion Error Correction Codes [92.10654749898927]
  近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。 最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。 本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
  論文  参考訳（メタデータ） (2022-09-16T11:00:50Z)
• Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
  オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。 本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。 我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
  論文  参考訳（メタデータ） (2022-02-09T18:48:02Z)
• Neural Distributed Source Coding [59.630059301226474]
  相関構造に依存せず,高次元までスケール可能な損失DSCのためのフレームワークを提案する。 提案手法は,複数のデータセット上で評価し,複雑な相関関係と最先端PSNRを扱えることを示す。
  論文  参考訳（メタデータ） (2021-06-05T04:50:43Z)
• Decomposition, Compression, and Synthesis (DCS)-based Video Coding: A Neural Exploration via Resolution-Adaptive Learning [30.54722074562783]
  入力映像をそれぞれの空間テクスチャフレーム(STF)に分解する。 次に,一般的なビデオコーダを用いて圧縮する。 最後に,デコードされたSTFとTMFをネイティブ入力と同じ解像度で合成し,高品質なビデオ再構成を実現する。
  論文  参考訳（メタデータ） (2020-12-01T17:23:53Z)
• Adaptive Feature Selection for End-to-End Speech Translation [87.07211937607102]
  我々は、エンコーダデコーダに基づくE2E音声翻訳(ST)のための適応的特徴選択(AFS)を提案する。 まず、ASRエンコーダを事前訓練し、AFSを適用して各符号化音声特徴の重要性をSRに動的に推定する。 我々は、L0DROPをAFSのバックボーンとみなし、時間次元と特徴次元の両方に関して、音声特徴をスパース化するように適応する。
  論文  参考訳（メタデータ） (2020-10-16T17:21:00Z)
• Learning for Video Compression with Recurrent Auto-Encoder and Recurrent Probability Model [164.7489982837475]
  本稿では、リカレントオートエンコーダ(RAE)とリカレント確率モデル(RPM)を用いたリカレントラーニングビデオ圧縮(RLVC)手法を提案する。 RAEは、ビデオフレーム間の時間的相関を利用するために、エンコーダとデコーダの両方で繰り返しセルを使用する。 提案手法は,PSNRとMS-SSIMの両方の観点から,最先端の学習ビデオ圧縮性能を実現する。
  論文  参考訳（メタデータ） (2020-06-24T08:46:33Z)
• Infomax Neural Joint Source-Channel Coding via Adversarial Bit Flip [41.28049430114734]
  本稿では、ニューラルジョイント・ソース・チャネル符号化方式の安定性と堅牢性を改善するために、Infomax Adversarial-Bit-Flip (IABF) と呼ばれる新しい正規化手法を提案する。 我々のIABFは、圧縮と誤り訂正のベンチマークの両方で最先端のパフォーマンスを達成でき、ベースラインをかなりの差で上回ることができる。
  論文  参考訳（メタデータ） (2020-04-03T10:00:02Z)

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。