用于腹腔镜图像去烟的渐进式频率感知网络
图像与视频处理
2023-12-20 v1 计算机视觉与模式识别
摘要
腹腔镜手术提供了具有更好患者预后的微创操作，但烟雾的存在对视野和安全性构成了挑战。现有的基于学习的方法需要大量数据集和高计算资源。我们提出了渐进式频率感知网络 (PFAN)，这是一种用于腹腔镜图像去烟的轻量级 GAN 框架，结合了 CNN 和 Transformer 的优势，以在频域中进行渐进式信息提取。PFAN 采用基于 CNN 的多尺度瓶颈反转 (MBI) 模块来捕获局部高频信息，并采用局部增强轴向注意力 Transformer (LAT) 来高效处理全局低频信息。即使在训练数据有限的情况下，PFAN 也能有效地对腹腔镜图像进行去烟。我们的方法在 Cholec80 数据集上的 PSNR、SSIM、CIEDE2000 和视觉质量方面均优于现有最先进的方法，且仅保留 629K 个参数。我们的代码和模型已公开发布于：https://github.com/jlzcode/PFAN。
引用
@article{arxiv.2312.12023,
title = {Progressive Frequency-Aware Network for Laparoscopic Image Desmoking},
author = {Jiale Zhang and Wenfeng Huang and Xiangyun Liao and Qiong Wang},
journal= {arXiv preprint arXiv:2312.12023},
year = {2023}
}