基于感知嵌入一致性的分块风格迁移无缝重建
机器学习
2020-07-28 v4 机器学习
摘要
风格迁移是深度学习中关注度与用例不断增长的领域。近期工作表明生成对抗网络(GANs)可用于在数字病理学中创建具有临床验证可解释性的虚拟染色切片图像。数字病理图像通常具有极高分辨率，使得分块分析对深度学习应用必不可少。已有研究表明，带有实例归一化的图像生成器在由分块分析重建大图时会造成平铺伪影。我们引入一种新颖的感知嵌入一致性损失，显著减少了重建全切片图像(WSI)中产生的平铺伪影。我们通过将虚拟染色切片图像与连续真实染色组织切片图像比较来验证结果。我们还通过运行对比敏感性分析测试，证明我们的模型对对比度、颜色与亮度扰动更具鲁棒性。
引用
@article{arxiv.1906.00616,
title = {Domain Adaptation with Optimal Transport on the Manifold of SPD matrices},
author = {Or Yair and Felix Dietrich and Ronen Talmon and Ioannis G. Kevrekidis},
journal= {arXiv preprint arXiv:1906.00616},
year = {2020}
}