基于扩散引导的扩散模型的配对图像生成
计算机视觉与模式识别
2026-01-21 v2 人工智能
摘要
数字乳腿钙化扫描（DBT）图像中质灶分割对于早期乳腺癌筛查至关重要。然而，高密度乳腺组织常导致质灶高度隐蔽，使手动标注困难且耗时，导致训练模型缺乏标注数据。扩散模型常用于数据增强，但现有方法面临两个挑战：其一，由于质灶高度隐蔽，模型难以学习质灶区域特征，导致质灶区域生成质量低下，限制了生成图像的整体质量；其二，现有方法仅能生成图像，无法生成对应的标注，限制了生成图像在监督训练中的实用性。本文提出一种配对图像生成方法。该方法无需外部条件，即可通过为条件扩散模型训练额外的扩散引导器来实现配对图像生成。在实验阶段，我们生成了配对的DBT切片和质灶掩码。随后将其纳入质灶分割任务的监督训练过程中。实验结果表明，我们的方法在无外部条件下能够提高生成质量，同时有助于缓解标注数据不足的问题，从而提升下游任务的性能。源代码已公开于 https://github.com/zhanghx1320/PIG。
引用
@article{arxiv.2507.14833,
title = {Paired Image Generation with Diffusion-Guided Diffusion Models},
author = {Haoxuan Zhang and Wenju Cui and Yuzhu Cao and Tao Tan and Jie Liu and Yunsong Peng and Jian Zheng},
journal= {arXiv preprint arXiv:2507.14833},
year = {2026}
}