論文の概要: Matching Particle-Arrival Rates for Low-Count Image Denoising

• arxiv url: http://arxiv.org/abs/2610.33136v1
• Date: Fri, 23 Oct 2026 15:12:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.257396
• Title: Matching Particle-Arrival Rates for Low-Count Image Denoising
• Title（参考訳）: 低周波画像復調における粒子配置率の一致
• Abstract要約: ローカウントイメージングは、顕微鏡で検出された数個の粒子のみを照射または線量に制限した場合に発生する。 PARMは,粒子列レートマッチングに基づく自己教師型デノナイジングフレームワークである。
• 参考スコア（独自算出の注目度）: 6.661987121718664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-count imaging arises when limited illumination or dose yields only a few detected particles in microscopy, such as photons or electrons, causing measurements to be dominated by signal-dependent Poisson shot noise. Supervised denoisers typically require paired clean and noisy observations, whereas many self-supervised approaches exploit spatial or temporal redundancy without directly estimating the underlying particle-arrival process. We introduce PARM, a self-supervised denoising framework based on particle-arrival-rate matching. By modeling particle accumulation over exposure as a Poisson counting process, PARM identifies the conditional particle-arrival-rate field with the posterior mean of the latent clean rate. Poisson thinning then splits each observation into complementary lower-exposure views that provide self-supervised rate targets for one another. In implementation, the network estimates the normalized spatial allocation of the conditional rate, while the observed total count determines its global particle mass. Experiments on synthetic data, natural-video sequences corrupted with Poisson noise, and real low-dose electron microscopy demonstrate leading or competitive performance while effectively preserving fine structures. PARM therefore provides a statistically grounded approach to low-count image denoising when clean references are unavailable.
• Abstract（参考訳）: ローカウントイメージングは、光子や電子などの顕微鏡で検出された粒子がごくわずかしか得られず、信号依存のポアソンショットノイズによって測定が支配されるときに発生する。 しかし、多くの自己監督的なアプローチは、基礎となる粒子の配置過程を直接見積もることなく、空間的あるいは時間的冗長性を利用する。 PARMは,粒子列レートマッチングに基づく自己教師型デノナイジングフレームワークである。 被曝時の粒子蓄積をポアソン計数法としてモデル化することにより, PARMは, 条件付き粒子配置速度場を潜伏洗浄率の後方平均で同定する。 ポアソン・シンニング(Poisson thinning)は、各観測結果を補完的な低露光ビューに分割し、相互に自己監督的なレートターゲットを提供する。 実装において、ネットワークは条件速度の正規化された空間割り当てを推定し、観測された総数はその大域的な粒子質量を決定する。 合成データ、ポアソンノイズで劣化した自然映像シーケンス、および実際の低線量電子顕微鏡の実験は、微細構造を効果的に保存しつつ、先導的または競合的な性能を示す。 したがって、PARMは、クリーンな参照が利用できない場合に、低いカウント画像に統計的に根ざしたアプローチを提供する。

関連論文リスト

• VolS-GS: Relightable Gaussian Splatting with Volumetric Subsurface Scattering [51.56484100374058]
  VolS-GSは、ワンライト・アズ・ア・タイムからオブジェクトを再構築する、楽しいガウシアン・スプレイティング・フレームワークである。 ネットワークは各ガウスの散乱と吸収係数を予測し、解は結果の場を通して入射光を再分配する。 3つのOLATベンチマークの実験では、VolS-GSはホールドアウトライトとビューの照準品質を一貫して改善している。
  論文  参考訳（メタデータ） (2026-10-02T20:09:16Z)
• 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)
• LoTA-N2N: Local Trace Adaptation for Zero-Shot Self-Supervised Image Denoising [43.31076762214249]
  単一イメージの自己監督型遮音装置は、使用不能なクリーンターゲットをノイズの観測から構築されたサロゲートターゲットに置き換える。 2段階ゼロショット適応フレームワークであるLoTA-N2Nを提案する。 局所的な構造は空間的キャンセルを防ぎ、上界は対応する大域的相互作用の大きさを示す。
  論文  参考訳（メタデータ） (2026-07-27T08:16:15Z)
• Deep Joint Denoising and Detection for Enhanced Intracellular Particle Analysis [8.997702776298091]
  本稿では,DENODETと呼ばれる新しいディープニューラルネットワークを提案する。 本手法は, 粒子追跡課題データセットと実際の蛍光顕微鏡画像データについて, 最先端粒子検出法と比較して, 優れた結果が得られる。
  論文  参考訳（メタデータ） (2024-08-15T03:13:53Z)
• Image Denoising and the Generative Accumulation of Photons [63.14988413396991]
  我々は,次の光子がどこに到着できるかを予測するために訓練されたネットワークが,実際に最小平均二乗誤差(MMSE)を解くことを示している。 自己監督型認知のための新しい戦略を提案する。 本稿では,画像に少量の光子を反復的にサンプリングし,付加することにより,可能な解の後方からサンプリングする新しい方法を提案する。
  論文  参考訳（メタデータ） (2023-07-13T08:03:32Z)
• Exploring Efficient Asymmetric Blind-Spots for Self-Supervised Denoising in Real-World Scenarios [44.31657750561106]
  実世界のシナリオにおけるノイズはしばしば空間的に相関しており、多くの自己教師型アルゴリズムは性能が良くない。 盲点サイズを自由に調整できる非対称可変ブラインド・スポットネットワーク(AT-BSN)を提案する。 提案手法は最先端技術を実現し,計算オーバーヘッドや視覚効果の観点から,他の自己教師付きアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-29T15:19:01Z)
• Observation-dependent suppression and enhancement of two-photon coincidences by tailored losses [68.8204255655161]
  ホン・ウー・マンデル効果(HOM)は、バランスビームスプリッターの出力ポート間での2粒子の一致を完璧に抑制することができる。 そこで本研究では,2つのボソンの2粒子同時一致統計をシームレスに調整し,精度の向上を実証した。 この結果から,非エルミート的設定を多粒子量子状態の操作に利用するための新しいアプローチが明らかになった。
  論文  参考訳（メタデータ） (2021-05-12T06:47:35Z)
• Residual-driven Fuzzy C-Means Clustering for Image Segmentation [152.609322951917]
  画像分割のための残留駆動型ファジィC平均(FCM)について詳述する。 この枠組みに基づいて,混合雑音分布の重み付けによる重み付き$ell_2$-norm忠実度項を示す。 その結果、既存のFCM関連アルゴリズムよりも提案アルゴリズムの有効性と効率が優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-15T15:46:09Z)
• Effective statistical fringe removal algorithm for high-sensitivity imaging of ultracold atoms [3.4521385239788813]
  超低温原子の吸収イメージングのための高度な外周除去アルゴリズムを示す。 少数のサンプル画像を用いて、不要なフリンジパターンを効率的に抑制する。
  論文  参考訳（メタデータ） (2020-02-24T03:03:17Z)

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。