基于扩散模型的模糊图像分割
计算机视觉与模式识别
2025-08-19 v2
摘要
医学图像分割通常涉及由于专家注释差异导致的固有不确定性。捕捉这种不确定性是重要目标，此前的工作已使用各种生成式图像模型来代表合理专家真实ground truth 的完整分布。在本工作中，我们探索了扩散模型用于生成式分割的设计空间，研究噪声计划、预测类型和损失权重的影响。值得注意的是，通过输入缩放显著提高噪声计划的难度会显著提升性能。我们得出结论，x-和 v-预测优于 epsilon-预测，这可能是由于扩散过程在离散分割域中进行。许多损失权重在保证足够权重分配给扩散过程末端时，能够实现相似的性能。我们的实验基于LIDC-IDRI肺部肿瘤数据集，取得了最先进 (SOTA) 的性能。此外，我们引入了LIDC-IDRI数据集的随机裁剪变体，更适合图像分割中的不确定性。该模型在更具挑战性的设置下也实现了SOTA。
引用
@article{arxiv.2504.05977,
title = {Diffusion Based Ambiguous Image Segmentation},
author = {Jakob Lønborg Christensen and Morten Rieger Hannemose and Anders Bjorholm Dahl and Vedrana Andersen Dahl},
journal= {arXiv preprint arXiv:2504.05977},
year = {2025}
}
备注
Accepted at SCIA25