arXiv雑要約
画像・音声 - 2026/04/02 公開
擬態物体検出のための条件付き偏光ガイダンス [cs.CV]目的：擬態物体検出における性能向上
- 背景と一体化する擬態物体検出は，監視や自動運転など様々な応用分野で重要である。
- 従来の偏光ベース手法は複雑なモデル構造となり計算コストが増大し，偏光情報の効果的な活用が課題である。
- 偏光ガイダンスによりRGB特徴学習を制御し，擬態物体の識別能向上を目指す。
- 提案手法CPGNetは，軽量な偏光相互作用モジュールにより，RGBと偏光情報を効率的に統合する。
- 条件付きガイダンス機構により，RGB特徴を偏光情報に基づいて動的に調整し，擬態物体と背景の差異を強調する。
- 偏光エッジ誘導型周波数精緻化戦略と反復フィードバックデコーダにより，予測精度を向上させている。
乳児の泣き声検出の改善：感情および精神的健康診断の向上に向けた勾配ブースティング [eess.AS, cs.SD]目的：乳児の泣き声検出
- 乳児の泣き声は，生理的・感情的状態を示す重要な指標であるため，正確な検出が重要である。
- 既存の手法では，実際の環境における乳児の泣き声検出の精度が十分ではないという課題がある。
- 本研究は，乳児の泣き声検出精度を向上させ，感情・精神的健康診断の早期化に貢献することを目的とする。
- Wav2Vecと従来のオーディオ特徴量を組み合わせ，勾配ブースティングマシンを用いることで，高い分類精度を実現した。
- 実世界のデータセットを用いた検証により，既存手法と比較して大幅な性能向上を確認した。
- 本研究のアプローチは，乳児の感情・精神的健康状態の早期診断に役立つ可能性がある。
3Dガウス表現に基づく自由呼吸肺MRIの運動分解再構成フレームワーク [eess.IV, cs.CV]目的：自由呼吸肺MRIの高解像度・運動分解再構成
- 肺MRIは肺疾患の診断に不可欠だが，呼吸によるモーションが画質劣化の原因となる。
- 従来の再構成法では，モーションによるアーチファクトの抑制が課題であった。
- 3Dガウス表現を用いて，モーションを考慮した高精度な肺MRI再構成を目指す。
- 提案手法は，既存の再構成法と比較して，より高いSNRとCNRを実現した。
- 3Dガウス表現により，ボクセル間のデータ平滑化を実現し，連続的な空間表現を可能にした。
- 本研究は，臨床肺MRIにおける堅牢なソリューションとしての可能性を示唆する。
自己回帰的合成と理解のための統一医療画像トークナイザー [eess.IV, cs.CV]目的：医療画像の統一的なトークナイザーの開発
- 医療画像診断支援や創薬など，医療分野におけるAI応用の基盤技術として重要である。
- 医療画像とテキストのペアデータが不足しており，教師なし学習の活用が課題となっている。
- 教師なし学習と教師あり学習を組み合わせることで，データ不足の問題を克服し，高性能なトークナイザーを構築する。
- 提案手法MedITokは，9種類のモダリティ，3300万枚以上の医療画像と200万組の画像-テキストペアで学習された。
- 30以上のベンチマークテストにおいて，最先端の性能を達成し，診断や画像生成など様々な応用が可能となった。
- 医療分野におけるマルチモーダルモデルの合成と理解能力向上に貢献するスケーラブルな構成要素となる。
磁気共鳴画像における調和：取得，画像レベル，特徴レベル法の概観 [eess.IV, cs.CV, physics.med-ph]目的：磁気共鳴画像における調和手法の現状と課題
- 脳科学研究や臨床診断においてMRIの重要性が高まっているため。
- 異なるスキャナやプロトコル間で画像にばらつきが生じ，解析を阻害する。
- データ間の比較可能性を高め，真の生物学的情報を抽出すること。
- 画像調和は，サイト特有のバイアスを除去・軽減し，生物学的情報を維持することを目的とする。
- 既存手法でサイト不変性を達成できるものの，生物学的情報の保存確認には更なる評価が必要である。
- 標準化された検証ベンチマーク，評価戦略の改善，画像処理パイプライン全体での調和手法の統合が課題である。
ニューラル圧縮のためのロバスト残差有限スカラー量子化 [eess.IV, cs.CV, eess.AS]目的：ニューラルネットワークの圧縮におけるロバスト残差有限スカラー量子化手法
- 深層学習モデルのサイズ削減は，モバイルデバイス等での利用を可能にし，応用範囲を広げる上で重要である。
- 多段階量子化において，残差の振幅減衰が問題となり，後段の段階で信号が著しく弱まる。
- 残差の振幅減衰を抑制し，多段階量子化の性能を向上させることを目指す。
- 提案手法RFSQは，学習可能なスケーリング因子と可逆なレイヤー正規化により，残差の振幅減衰を効果的に抑制する。
- 音声再構成実験では，RFSQ-LayerNormが最先端手法RVQを3.6%上回り，3.646 DNSMOSを達成した。
- ImageNet実験では，RFSQがL1損失0.102，知覚損失0.100を達成し，LayerNormがそれぞれ9.7%，17.4%の改善を示した。
非登録スペクトル画像融合：非混合，敵対的学習，および復元可能性 [eess.IV, cs.CV]目的：空間的に非登録なハイパースペクトル画像とマルチスペクトル画像の融合
- 高分解能な画像処理は，リモートセンシングや画像解析において重要であり，様々な応用分野で活用されている。
- 非登録画像間の融合は困難であり，既存手法では一方の画像のみを処理する場合が多い。
- 教師なしで両画像を同時に高分解能化し，非登録画像融合の理論的保証を与える。
- 本研究では，マルチスペクトル画像の超解像のためのスペクトル非混合と，ハイパースペクトル画像の超解像のための潜在空間における敵対的学習を統合したフレームワークを提案。
- 提案手法は，半現実的および現実的なハイパースペクトル-マルチスペクトル画像ペアで検証され，多様な条件下で有効であることが示された。
- 適切な生成モデルの下で，超解像されたマルチスペクトル画像とハイパースペクトル画像の復元可能性に関する理論的な保証を確立した。
ANVIL：コーデックモーションベクトル事前情報によるアクセラレータネイティブ動画補間 [eess.IV, cs.CV]目的：モバイルNPU上でのリアルタイム動画フレーム補間の実現
- 動画処理技術は，モバイルデバイスでの高品質な映像体験に不可欠である。
- 既存の動画補間手法は，モバイルNPUでの実行速度やメモリ使用量に課題がある。
- コーデック由来のモーションベクトルを活用し，演算負荷を軽減することで，高速な補間処理を実現する。
- ANVILは，H.264/AVCデコーダのモーションベクトルを再利用することで，学習されたオプティカルフローの計算を不要にし，処理時間を短縮した。
- Snapdragon 8 Gen 3デバイス上で1080pの推論を8ビット整数精度で12.8msで達成し，Androidプレイヤーでは30分間の連続再生で28.4msの中央値レイテンシを維持した。
- 量子化された再帰的なフロー状態での累積演算が，反復手法における整数量子化の失敗の主要な要因であることが判明した。