Self2Seg: 单图像自监督联合分割与去噪
计算机视觉与模式识别
2024-04-30 v2 机器学习
最优化与控制
摘要
我们提出Self2Seg,一种用于单图像联合分割与去噪的自监督方法。为此,我们将变分分割的优势与自监督深度学习相结合。与需要大量标注样本的数据驱动方法不同,Self2Seg无需任何训练数据库即可将图像分割为有意义的区域,这是本方法的一大优势。此外,我们证明自监督去噪本身通过Self2Seg的区域内学习得到显著改善。因此,我们引入一种新颖的自监督能量泛函,其中去噪与分割以互为裨益的方式耦合。我们提出一种统一优化策略,并通过数值实验表明,对于含噪显微图像,我们所提联合方法优于其顺序执行版本以及仅专注于去噪或分割的替代方法。
引用
@article{arxiv.2309.10511,
title = {Self2Seg: Single-Image Self-Supervised Joint Segmentation and Denoising},
author = {Nadja Gruber and Johannes Schwab and Noémie Debroux and Nicolas Papadakis and Markus Haltmeier},
journal= {arXiv preprint arXiv:2309.10511},
year = {2024}
}