93 artigos
Este artigo propõe um método pioneiro para calibrar câmeras genéricas utilizando imagens desfocadas, estimando simultaneamente as localizações dos recursos e as funções de espalhamento de ponto variáveis espacialmente para superar a necessidade de um grande número de imagens nítidas.
Este artigo propõe um modelo de consistência latente multi-volume que utiliza representações tridimensionais de diferentes campos de visão para realizar reconstruções de tomografia computadorizada de ângulo limitado com alta precisão, estabilidade e generalização para diversas condições clínicas.
Este artigo propõe um sistema de armazenamento de imagens em DNA que utiliza amostragem adaptativa em sequenciadores Nanopore para permitir o acesso aleatório a diferentes camadas de resolução de imagens codificadas no formato JPEG2000, reduzindo assim os custos de leitura ao sequenciar apenas os oligos necessários para a qualidade desejada.
O artigo apresenta o ICHOR, uma abordagem de aprendizado de representação auto-supervisionada baseada em autoencoders mascarados 3D que, ao ser pré-treinada em um grande conjunto de dados de mapas de fluxo sanguíneo cerebral (CBF) obtidos por marcação de spin arterial (ASL), supera os métodos existentes em tarefas de classificação diagnóstica e previsão de qualidade, superando desafios como variações entre sites e a escassez de dados rotulados.
O artigo apresenta o GeoTop, um framework matematicamente fundamentado que unifica a Análise Topológica de Dados e as Curvaturas de Lipschitz-Killing para superar as limitações de modelos convencionais na classificação de imagens diagnósticas, oferecendo maior precisão, interpretabilidade intrínseca e eficiência computacional ao distinguir estruturas benignas e malignas que compartilham topologia global, mas diferem em detalhes geométricos.
Este trabalho apresenta o Implicit U-KAN 2.0, uma nova arquitetura de segmentação de imagens médicas baseada em uma estrutura codificador-decodificador de duas fases que integra equações diferenciais ordinárias neurais de segunda ordem e camadas MultiKAN para oferecer maior interpretabilidade, eficiência computacional e desempenho superior em comparação com métodos existentes.
Este artigo propõe a Rede de Sinergia de Atenção Canal-Espacial (CSASN), um novo framework de aprendizado multitarefa que combina extratores de características duais (EfficientNet e ViT) com mecanismos de atenção e funções de perda ponderadas para superar os desafios de desequilíbrio de dados e heterogeneidade morfológica no diagnóstico preciso de carcinomas tireoidianos raros por meio de imagens de ultrassom.
Este artigo caracteriza o Padrão de Ruído de Desfoque Sintético (SDNP) presente nas imagens em modo retrato do iPhone, propondo um método para sua modelagem e demonstrando como seu mascaramento melhora a precisão da verificação forense de origem da câmera e permite a rastreabilidade entre diferentes modelos e versões do iOS.
Este trabalho propõe o Fast Equivariant Imaging (FEI), um novo quadro de aprendizado não supervisionado que utiliza multiplicadores de Lagrange e desruidores Plug-and-Play para acelerar o treinamento de redes de imagem em até 10 vezes e melhorar o desempenho em tarefas como reconstrução de CT e preenchimento de imagens, sem a necessidade de dados com rótulos.
Este artigo apresenta um método inovador que utiliza convoluções de homologia persistente para capturar informações topológicas locais em lâminas de histopatologia, demonstrando que essa abordagem supera os modelos convencionais ao melhorar a precisão diagnóstica e reduzir a sensibilidade a hiperparâmetros.
Este trabalho apresenta o primeiro estudo sobre segmentação de objetos em vídeo baseada em ação sob ruído de rótulo, introduzindo o benchmark ActiSeg-NL, analisando estratégias de aprendizado robusto e propondo o mecanismo PMHM para mitigar ruídos em anotações de texto e máscaras.
O artigo apresenta o Cryo-SWAN, um autoencoder variacional baseado em voxels e inspirado na decomposição por wavelets multiescala, que supera os métodos atuais na representação e geração de volumes de densidade molecular, oferecendo uma estrutura prática para a biologia estrutural baseada em dados.
Esta dissertação apresenta um quadro de imagem de campo para a caracterização morfológica de agregados de construção, desenvolvendo algoritmos de segmentação e estimativa de volume para partículas individuais, bem como abordagens automatizadas de análise 2D e uma metodologia integrada de reconstrução-segmentação-completamento 3D para analisar e prever as faces ocultas de pilhas de agregados em cenários reais.