論文の概要: BMND: Direct Poisson Denoising by N-Dimensional Block Matching and Collaborative Filtering

• arxiv url: http://arxiv.org/abs/2609.34622v1
• Date: Mon, 28 Sep 2026 08:44:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 11:50:21.738172
• Title: BMND: Direct Poisson Denoising by N-Dimensional Block Matching and Collaborative Filtering
• Title（参考訳）: BMND:N次元ブロックマッチングと協調フィルタリングによる直接ポアソンデノイング
• Abstract要約: BMNDはポアソン観測のためのブロックマッチングと協調フィルタリングの次元に依存しない拡張である。 ノイズ対応パッチマッチングと信号依存ノイズ分散の伝搬を組み合わせることで、分散安定化変換なしでポアソンデータを直接処理する。 このフレームワークは任意のデータ次元にまたがる、統一的で非学習ベースのアプローチを提供し、オープンソースライブラリとしてリリースされている。
• 参考スコア（独自算出の注目度）: 2.1768638312234043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Poisson denoising of scientific data requires methods that account for signal-dependent noise while accommodating different data dimensionalities and preserving quantitative intensity information. We present BMND, a dimension-independent extension of block matching and collaborative filtering for Gaussian and Poisson observations. Building on the two-stage structure of BM3D and BM4D, BMND processes Poisson data directly, without a variance-stabilizing transform, by combining noise-aware patch matching with propagation of signal-dependent noise variances through collaborative filtering and aggregation. A dimension-independent reference-patch traversal scheme supports arrays with an arbitrary number of axes. An optional aggregation-aware mass conservation preserves the observed total intensity after weighted overlap-add. We evaluate the framework on one-dimensional physiological signals, two-dimensional images, and three-dimensional volumes, using controlled noise experiments and measured fluorescence microscopy acquisitions. The experiments demonstrate improved reconstruction quality from noise-aware matching and Wiener filtering, while low-count phantom experiments show reduced denoising-induced intensity loss through mass conservation. The framework provides a unified, non-learning-based approach to denoising across arbitrary data dimensions and is released as an open-source library.
• Abstract（参考訳）: ポアソン(Poisson)は、異なるデータの次元を調節し、量的な強度情報を保存しながら、信号依存ノイズを考慮に入れなければならない。 ブロックマッチングと協調フィルタリングの次元非依存拡張であるBMNDをガウスとポアソンの観測のために提案する。 BM3D と BM4D の2段階構造に基づいて、BMND はポアソンデータを分散安定化変換なしで直接処理し、協調フィルタリングとアグリゲーションによる信号依存ノイズ分散の伝搬に適合したノイズ認識パッチを組み合わせる。 次元非依存の参照パッチトラバーサルスキームは任意の数の軸を持つ配列をサポートする。 任意のアグリゲーション対応の質量保存は、重み付け重なり付加後の観測された総強度を保存する。 制御されたノイズ実験と測定された蛍光顕微鏡の取得を用いて, 1次元生理学的信号, 2次元画像, 3次元ボリュームの枠組みを評価する。 実験では,ノイズ認識マッチングとWienerフィルタによる再現性の向上が示されたが,低数のファントム実験では,大量保存によるデノナイジング誘起強度損失が低減された。 このフレームワークは任意のデータ次元にまたがる、統一的で非学習ベースのアプローチを提供し、オープンソースライブラリとしてリリースされている。

関連論文リスト

• Physics-Driven Independent Pair Generation for Iterative Self-Supervised Low-Dose CT Denoising [16.003879627285514]
  低線量CT(LDCT)はポアソン-ガウス混合ノイズを含む。 ほとんどの自己教師付き手法は一般的な画像統計に依存しており、このノイズを明示的にモデル化していない。 自己教師型LDCT復調のためのクロスドメイン繰り返しを用いた物理駆動型フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-01T12:18:28Z)
• Drift-Aware RL-based Wavelet Denoising for Network-Traffic Anomaly Detection [1.5469452301122173]
  ネットワーク監視のための交通利用測定は、付加雑音と統計的ドリフトによって損なわれる。 2つのタスクに最適化された前処理層として適応ウェーブレットをデノナイズするドリフト対応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-22T10:52:05Z)
• SEED: Targeted Data Selection by Weighted Independent Set [76.68391670109433]
  我々はSEEDと呼ばれる堅牢でスケーラブルなデータ選択パイプラインを開発した。 SEEDは、命令チューニング、視覚的命令チューニング、セマンティックセグメンテーションにおける最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-15T07:26:54Z)
• Topological Residual Asymmetry for Bivariate Causal Direction [1.2691047660244335]
  トポロジカル残留非対称性(英: Topological Residual Asymmetric)は、加法ノイズモデルに対する幾何学的基準である。 0D持続ホモロジー関数を用いてバルクチューブコントラストの定量化を行う。 多くの挑戦的な合成および実データシナリオに対する実験は、メソッドの優越性を実証している。
  論文  参考訳（メタデータ） (2026-01-31T00:38:53Z)
• Clustering by Denoising: Latent plug-and-play diffusion for single-cell data [10.804074423092862]
  観測空間と聴覚空間を分離する潜在的なプラグアンドプレイ拡散フレームワークを導入する。 この分離は、新しいギブスサンプリング手順によって行われる。 合成と実の単細胞ゲノミクスデータによるロバスト性の評価を行った。
  論文  参考訳（メタデータ） (2025-10-26T21:03:56Z)
• On the Shape of Latent Variables in a Denoising VAE-MoG: A Posterior Sampling-Based Study [51.56484100374058]
  ガウス前駆体 (VAE-MoG) を用いた変分オートエンコーダの潜時空間を探索する。 モデルが基盤構造をどれだけうまく捉えているかを評価するために、ハミルトンモンテカルロ (HMC) を用いて、クリーンな入力で条件付けられた後続サンプルを描画し、ノイズの多いデータからエンコーダの出力と比較する。 モデルは正確に信号を再構成するが、統計的比較により、潜在空間における明らかなミスマッチが明らかになる。
  論文  参考訳（メタデータ） (2025-09-29T18:33:09Z)
• InJecteD: Analyzing Trajectories and Drift Dynamics in Denoising Diffusion Probabilistic Models for 2D Point Cloud Generation [48.55037712252843]
  InJecteDは拡散確率モデル(DDPM)を解釈するフレームワーク このフレームワークをDatasaurus Dozen bullseye, dino, circleの3つのデータセットに適用する。 提案手法は, 変位, 速度, クラスタリング, ドリフト場力学などの軌道特性を定量的に評価する。
  論文  参考訳（メタデータ） (2025-09-09T14:53:19Z)
• Noise Conditional Variational Score Distillation [60.38982038894823]
  騒音条件変化スコア蒸留(NCVSD)は, 予混合拡散モデルから生成消音剤を蒸留する新しい方法である。 この知見を変分スコア蒸留フレームワークに組み込むことで、生成的デノイザのスケーラブルな学習を可能にする。
  論文  参考訳（メタデータ） (2025-06-11T06:01:39Z)
• Triply Laplacian Scale Mixture Modeling for Seismic Data Noise Suppression [51.87076090814921]
  ポーラシティに基づくテンソルリカバリ法は, 地震データノイズを抑制する大きな可能性を示している。 本研究では, 3次元ラプラシアンスケール混合(TLSM)による地震波の抑制手法を提案する。
  論文  参考訳（メタデータ） (2025-02-20T08:28:01Z)
• Image reconstruction in light-sheet microscopy: spatially varying deconvolution and mixed noise [1.1545092788508224]
  光シート顕微鏡におけるデコンボリューションの問題点について検討する。 データは空間的に異なるぼかしと、ポアソンとガウスノイズの組み合わせによって破壊される。 シミュレーションと実データの両方で行った数値実験は, 他の手法と比較して, 再現性に優れていた。
  論文  参考訳（メタデータ） (2021-08-08T14:14:35Z)

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。