高分辨率Sinogram Completion的无训练推理
计算机视觉与模式识别
2026-05-22 v6 图像与视频处理
摘要
高分辨率Sinogram Completion对于CT重建至关重要，因为缺失的投影会引入严重的失真。虽然扩散模型为该任务提供了强大的生成先验，但其推理成本随分辨率而变得不可接受。我们提出HRSino，一种用于高分辨率Sinogram Completion的无训练且高效扩散推理方法。通过显式考虑信号特征在空间上的异质性，如谱稀疏性和局部复杂度，HRSino在空间区域和分辨率之间分配推理 effort，而不是对均匀的高分辨率扩散步骤。这使得在粗尺度上捕获全局一致性，同时仅在必要时细化局部细节。实验结果表明，HRSino相对于最先进的框架，峰值内存使用减少最高可达30.81%，推理时间减少最高可达17.58%，并在不同数据集和分辨率下保持Completion准确性。
引用
@article{arxiv.2506.08809,
title = {Training-Free Inference for High-Resolution Sinogram Completion},
author = {Jiaze E and Srutarshi Banerjee and Tekin Bicer and Guannan Wang and Yanfu Zhang and Bin Ren},
journal= {arXiv preprint arXiv:2506.08809},
year = {2026}
}