基于单步反向过程的生物医学图像稳定扩散分割
计算机视觉与模式识别
2024-07-10 v3 人工智能
图像与视频处理
摘要
扩散模型在各类生成任务中展现了良好的效果。然而在医学图像分割领域应用时，这些模型面临诸多挑战，包括显著的资源和时间要求，以及需要多步骤反向过程和多个样本才能产生可靠预测。为此，本文引入首个基于稳定扩散（SD）的潜在扩散分割模型，命名为 SDSeg。SDSeg 采用简洁的潜在估计策略，以实现单步反向过程，并利用潜在融合拼接消除对多个样本的需求。大量实验表明，SDSeg 在包含多种成像模态的五个基准数据集上超越了现有最先进方法。值得注意的是，SDSeg 仅需一个反向步骤和一个样本即可生成稳定预测，完美体现了其名称所蕴含的模型稳定性。代码已公开于 https://github.com/lin-tianyu/Stable-Diffusion-Seg。
引用
@article{arxiv.2406.18361,
title = {Stable Diffusion Segmentation for Biomedical Images with Single-step Reverse Process},
author = {Tianyu Lin and Zhiguang Chen and Zhonghao Yan and Weijiang Yu and Fudan Zheng},
journal= {arXiv preprint arXiv:2406.18361},
year = {2024}
}
备注
Accepted at MICCAI 2024. Code and citation info see https://github.com/lin-tianyu/Stable-Diffusion-Seg