UVTomo-GAN：一种基于对抗学习的未知视角X射线断层重建方法
计算机视觉与模式识别
2021-02-10 v1 机器学习
图像与视频处理
摘要
断层重建在给定不同角度投影的情况下恢复未知图像。解决该问题的最先进方法假设与投影相关联的角度是先验已知的。有了这一知识，重建过程就很直接，因为它可以被表述为一个凸问题。在此，我们处理一个更具挑战性的设定：1）投影角度未知；2）它们从一个未知的概率分布中抽取。在此设置下，我们的目标是通过无监督对抗学习方法恢复图像和投影角度分布。为此，我们将该问题表述为真实投影线与由估计图像和投影分布生成的投影线之间的分布匹配。随后通过在生成器与判别器之间的极小极大博弈中达到均衡来求解。我们的新颖贡献是利用对抗学习同时恢复未知投影分布与图像。为此，我们使用分类分布采样的 Gumbel-softmax 近似，将生成器损失近似为未知图像与投影分布的函数。我们的方法可推广至不同的逆问题。我们的仿真结果表明了该方法在各种设定下成功恢复图像与投影分布的能力。
引用
@article{arxiv.2102.04590,
title = {UVTomo-GAN: An adversarial learning based approach for unknown view X-ray tomographic reconstruction},
author = {Mona Zehni and Zhizhen Zhao},
journal= {arXiv preprint arXiv:2102.04590},
year = {2021}
}