基于形状先验的生成对抗网络正弦图增强
图像与视频处理
2022-02-02 v1 计算机视觉与模式识别
机器学习
摘要
通过从计算模型推断稀缺测量值来补偿它们是解决不适定逆问题的一种方法。我们通过使用生成模型和关于被扫描物体的先验知识来完成采集集，从而解决有限角度断层成像问题。使用生成对抗网络（GAN）作为模型，并使用计算机辅助设计（CAD）数据作为形状先验，我们证明了我们的技术在定量和定性上优于其他最先进（SOTA）方法。通过推断大量连续的缺失测量值，我们为其他图像修复技术提供了一种替代方案，这些技术未能为我们的研究问题提供令人满意的答案：能否通过使用生成模型推断缺失测量值来减少X射线曝光？
引用
@article{arxiv.2202.00419,
title = {Sinogram Enhancement with Generative Adversarial Networks using Shape Priors},
author = {Emilien Valat and Katayoun Farrahi and Thomas Blumensath},
journal= {arXiv preprint arXiv:2202.00419},
year = {2022}
}
备注
9 pages, 8 figures