用于内窥镜曝光校正的 FD-Vision Mamba
计算机视觉与模式识别
2024-02-15 v2
摘要
在内窥镜成像中，记录的图像容易出现曝光异常，因此保持高质量图像对于辅助医疗专业人员进行决策至关重要。为了克服这一问题，我们设计了一种基于频域的网络，称为 FD-Vision Mamba (FDVM-Net)，它通过重建内窥镜图像的频域来实现高质量图像曝光校正。具体而言，受 State Space Sequence Models (SSMs) 启发，我们开发了一个 C-SSM 模块，该模块将卷积层的局部特征提取能力与 SSM 捕获长程依赖的能力相结合。以 C-SSM 作为基本功能单元构建了一个双路径网络，这两条路径分别处理图像的相位和幅度信息。最后，FDVM-Net 对退化的内窥镜图像进行重建，以获得高质量的清晰图像。大量实验结果表明，我们的方法在速度和精度上均达到了 state-of-the-art 的结果，值得注意的是，我们的方法能够增强任意分辨率的内窥镜图像。代码网址为 \url{https://github.com/zzr-idam/FDVM-Net}。
引用
@article{arxiv.2402.06378,
title = {FD-Vision Mamba for Endoscopic Exposure Correction},
author = {Zhuoran Zheng and Jun Zhang},
journal= {arXiv preprint arXiv:2402.06378},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2402.04139