腹部CT的语义图像合成
计算机视觉与模式识别
2023-12-12 v1 图像与视频处理
摘要
作为一种新兴且有前景的生成模型类型，扩散模型已被证明在包括图像合成在内的多项任务中优于生成对抗网络（GAN）。在这项工作中，我们探索了使用条件扩散模型进行腹部CT的语义图像合成，该技术可用于数据增强等下游应用。我们系统地评估了三种扩散模型的性能，并与其他最先进的基于GAN的方法进行了比较，同时研究了语义掩码的不同条件化场景。实验结果表明，扩散模型能够合成质量更好的腹部CT图像。此外，将掩码和输入分别编码比简单的拼接更有效。
引用
@article{arxiv.2312.06453,
title = {Semantic Image Synthesis for Abdominal CT},
author = {Yan Zhuang and Benjamin Hou and Tejas Sudharshan Mathai and Pritam Mukherjee and Boah Kim and Ronald M. Summers},
journal= {arXiv preprint arXiv:2312.06453},
year = {2023}
}
备注
This paper has been accepted at Deep Generative Models workshop at MICCAI 2023