論文の概要: Blind Video Denoising for Vocal Tract rtMRI using a Self-Supervised Ensemble
- arxiv url: http://arxiv.org/abs/2610.39972v1
- Date: Thu, 29 Oct 2026 13:04:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:13:14.332885
- Title: Blind Video Denoising for Vocal Tract rtMRI using a Self-Supervised Ensemble
- Title（参考訳）: 自己監督型アンサンブルを用いた声道rtMRIのブラインド映像化
- Abstract要約: 声道のリアルタイム磁気共鳴画像化により,音声の明瞭化が直接観測可能となる。
動きのある声道に対してクリーンな参照を取得できないため、この設定では教師付き聴取アプローチは適用できない。
本稿では,超時相学習と,分散安定化非局所的手段フィルタから導出した擬似スーパービジョンを組み合わせた自己教師付き分極フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 5.813314194212503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-time magnetic resonance imaging of the vocal tract makes speech articulation directly observable, but the trade-off between temporal resolution and signal quality introduces substantial noise and obscures fine articulatory detail. Since clean references cannot be acquired for a moving vocal tract, supervised denoising approaches are not applicable in this setting. We propose a self-supervised denoising framework that combines spatiotemporal super-resolution learning with pseudo-supervision derived from a variance-stabilized non-local means filter. A dual-model fusion strategy balances noise suppression and preservation of high-frequency articulatory structure. Experiments on the USC-75 multi-speaker dataset under natural noise conditions show that the ensemble raises the signal-to-noise ratio by 11.9 dB on unseen subjects while attaining more high-frequency articulatory content in the frames. Among tuned implementations of anisotropic diffusion, block-matching filtering, non-local means and pre-smoothed non-local means, every configuration that achieves comparable noise suppression does so at the cost of high-frequency content or of structural fidelity. Under severe added Gaussian, Rayleigh and Rician noise, peak signal-to-noise ratio improves by 7.6 to 11.8 dB and structural similarity roughly triples. An ablation shows that the variance-stabilized pseudo-supervision is an essential element for denoising, and that the effect is attributable to the hard thresholding contained in the stabilization transform.
- Abstract（参考訳）: 声道のリアルタイム磁気共鳴画像は、音声の調音を直接観察できるが、時間分解能と信号品質のトレードオフは、かなりのノイズをもたらし、明瞭な調音細部を曖昧にする。
動きのある声道に対してクリーンな参照を取得できないため、この設定では教師付き聴取アプローチは適用できない。
本稿では,時空間的超解像学習と分散安定化非局所的手段フィルタから導出した擬似スーパービジョンを組み合わせた自己教師付き分極フレームワークを提案する。
二重モデル融合戦略は、高周波調音構造の抑圧と保存のバランスをとる。
自然騒音条件下でのUSC-75マルチスピーカーデータセットの実験では、アンサンブルは、フレーム内でより高周波の調音内容を得るとともに、見えない被験者に対して信号と雑音の比率を1.9dB上昇させる。
異方性拡散、ブロックマッチングフィルタリング、非局所的手段、非局所的非局所的手段の調整された実装のうち、同等の雑音抑圧を実現するすべての構成は、高周波コンテンツや構造的忠実さを犠牲にしている。
ガウス雑音、レイリー雑音、リッチ雑音により、ピーク信号-雑音比は7.6dBから11.8dBに改善され、構造的類似性はほぼ3倍になる。
アブレーションは、分散安定化擬似スーパービジョンが偏極の重要な要素であり、安定化変換に含まれるハードしきい値に作用することを示す。
関連論文リスト
- Fractional-Order Adaptive Motion Magnification: Phase-Reliability Weighting for Noise-Constrained Video Amplification [51.56484100374058]
本稿では、まずオフラインで、次に因果ストリームとして開発されたパイプラインであるフラクショナルオーダー適応運動拡大法を提案する。
一定の時間的利得を分数次 Grnwald--Letnikov 微分に置き換え、高周波強調を連続的に制御する。
リアルビデオでは、各ケースにおける空間選択性の向上と背景雑音の低減が示されている。
論文 参考訳（メタデータ） (2026-09-03T21:43:22Z) - Attention-Guided Reliability Scaling for Contrastive Decoding in Robust Audio-Visual Speech Recognition [50.15288513086986]
コントラストデコーディング (CD) は、元々は大型言語モデル (LLM) ベースの音声視覚音声認識 (AVSR) システムを安定化するために導入された。
AVSR用CDの信頼性を考慮したスケーリングを提案する。
論文 参考訳（メタデータ） (2026-08-26T08:25:15Z) - Neighbor2Inverse: Self-Supervised Denoising for Low-Dose Region-of-Interest Phase Contrast CT [3.292132675169194]
改良された畳み込みニューラルネットベースのデノゲーションは、画質を回復するが、ペア化された低量データセットと高用量データセットに依存する。
臨床CTに一般化した低用量PBI-CTのための自己教師型 denoising framework である Neighbor2Inverse を紹介する。
論文 参考訳（メタデータ） (2026-05-01T20:17:33Z) - The Malignant Tail: Spectral Segregation of Label Noise in Over-Parameterized Networks [0.0]
ネットワークが機能的に信号とノイズを分離する障害モードであるMorignant Tailを実験的に分離する。
トレーニングされていないネットワークは、ノイズを積極的に分離し、ノイズに支配されたサブスペースを外科的にプルークするポストホックスペクトルトラニケーションを実現する。
以上の結果から,ラベルノイズ下では,余剰スペクトル容量は無害な冗長性ではなく,構造的負債が潜んでいることが示唆された。
論文 参考訳（メタデータ） (2026-03-02T16:39:42Z) - Teacher-Guided Causal Interventions for Image Denoising: Orthogonal Content-Noise Disentanglement in Vision Transformers [8.989774165042542]
従来の画像復調モデルは, 環境要因とノイズパターンの急激な相関関係を不注意に学習する。
本稿ではTCD-Net(Teacher-Guided Causal Disentanglement Network)を提案する。
大規模な実験により、TCD-Netは、複数のベンチマークにおいて、忠実さと効率の両方で、メインストリームのメソッドよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-03-01T15:04:37Z) - Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance [54.88271057438763]
ノイズアウェアネスガイダンス (NAG) は、事前に定義された騒音スケジュールと整合性を保つために、サンプリング軌道を明示的に制御する補正手法である。
NAGは一貫してノイズシフトを緩和し、主流拡散モデルの生成品質を大幅に改善する。
論文 参考訳（メタデータ） (2025-10-14T13:31:34Z) - Score-based Self-supervised MRI Denoising [1.6385815610837167]
教師付き学習に基づく復号化手法は優れた性能を達成しているが、高い信号対雑音比 (SNR) ラベルを必要とする。
自己教師付き学習はラベル不足の問題に対処することを約束するが、既存の自己教師型認知法は空間的特徴を過度に表現する傾向がある。
C2S(Corruption2Self)は,MRIのための新しいスコアベースの自己教師型フレームワークである。
論文 参考訳（メタデータ） (2025-05-08T20:27:13Z) - Stabilizing and improving qubit coherence by engineering noise spectrum
of two-level systems [52.77024349608834]
超伝導回路は量子コンピューティングの主要なプラットフォームである。
アモルファス酸化物層内の電荷変動器は、低周波1/f$の電荷ノイズと高周波誘電損失の両方に寄与する。
本稿では,TLS雑音スペクトル密度の工学的手法により,有害な影響を軽減することを提案する。
論文 参考訳（メタデータ） (2022-06-21T18:37:38Z) - Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。
提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-04-05T12:46:36Z) - Learning Model-Blind Temporal Denoisers without Ground Truths [46.778450578529814]
合成データで訓練されたデノイザーは、未知のノイズの多様性に対処できないことが多い。
従来の画像ベース手法は、ビデオデノイザに直接適用した場合、ノイズが過度に収まる。
本稿では,これらの課題に対処する上で有効な,ビデオ・デノベーション・ネットワークの汎用フレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-07T07:19:48Z)
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。