paper review (7) 썸네일형 리스트형 [Paper Review] AVDM: Controllable Adversarial Diffusion Model for Vessel-to-Volume Synthesis MICCAI 2025에 accept된 AVDM: Controllable Adversarial Diffusion Model for Vessel-to-Volume Synthesis라는 논문이다. diffusion training framework에 adversarial supervision을 통합시키는 연구인데 흥미로워서 리뷰해보려 한다. Introduction혈관 segmentation은 medical image analysis에서 중요한 task이다. 특히 뇌졸증, 뇌동맥류, 관상동맥질환 같은 장애 진단과 치료에 중요한 역할을 한다. medical image analysis에 진보에도 불구하고, 정확하고 robust한 segmentation은 여전히 어려운 문제로 남아있다. 이것은 주로 정교하고 미세한 .. [Paper Review] SHORTFT: Diffusion Model Alignment via Shortcut-based Fine-Tuning Abstract최근 Backpropagation-based 접근법들은 denoising chain 안에서 reward function을 사용하는 diffusion model이 좀 더 잘 동작하는 것을 목표로한다. 그러나 이것은 상당한 계산 비용과 denoising chain의 길이로 인한 gradient explosion 위험 때문에, 존재하는 접근법들은 안좋은 결과를 내는 gradient backpropagation을 제대로 완료시키는 것에 고군분투하고있다. 이 논문에서, 더 짧은 denoising chain을 활용하여 효율적인 fine-tuning 전략을 사용하는 Shortcut-based Fine-Tuning (SHORTFT)을 도입한다.Shortcut-based Fine-Tuning (SHORTF.. [Paper Review] DPMNet : Dual-Path MLP -based Network for Aneurysm Image Segmentation 이 논문은 MICCAI 2024에 accpet된 논문으로 MLP based method를 이용하여 medical image Segmentation을 하는 논문이다. 간략한 리뷰를 해보려한다.Paper Contribution저자들은 aneurysm image segmentation을 위한 DMPNet, dual-path MLP-based network을 제안하고, DMPNet은 CNN과 결합하기 위한 Axial Residual Connection MLP (ARC−MLP) 모듈을 사용한다. 이 구조는 이미지의 global과 local 구조를 잘 포착한다.저자들은 서로 다른 channel과 location들의 interaction을 향상시키기위해 Shifted Channel−Mixer MLP (SCM−MLP).. [Paper Review] Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks(CycleGAN) 이 논문은 Image translation에서 매우 유명한 논문이다. CycleGAN으로 불리며, Unpaired 데이터에서도 성공적인 Image translation 성능을 보여준다. Image-to-image translation이란?어떤 이미지를 다른 이미지로 변환하는 생성 모델의 한 분야입력 이미지와 출력 이미지를 매핑하는 방식예시) 흑백 이미지를 컬러 이미지로 만들거나, 낮 사진을 밤 사진으로 변환하는 등의 작업을 수행AbstractImage-to-image translation은 정렬된 이미지 쌍의 훈련 집합을 사용하여 input image와 output image 간의 mapping을 학습하는 것을 목표로하는 vision과 graphics의 한 분야이다. 그러나 많은 task에서, paire.. [Paper Review] Segment Anything (SAM) 최근 탑티어 Segmentation 논문들을 보면 SAM 기반의 논문이 정말 많다. SAM에 대한 모델 구조를 익혀놓는 것이 도움이 될 것 같아 이 논문을 리뷰해보려한다! 이 논문은 Segmentation에서의 foundation model을 설계한다. 엄청난 규모의 데이터셋으로 사전학습되었으며, 논문에서 개발한 data engine을 통해 Segmentation mask를 획득했다고 한다. 논문이 상당히 길기 때문에 Segment Anything Model 구조를 중점적으로 리뷰해보려한다. Abstract이 논문은 Segment Anything(SA) 프로젝트를 소개하고있다. 그 프로젝트의 내용은 image segmentation을 위한 새로운 task, model, dataset을 포함한다. 데이터.. [Paper Review] Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis은 CVPR 2025에 accept된 논문이다. 이 논문은 Latent Drifting이라는 방법을 이용해 natural image로 사전 학습된 diffusion model이 medical image와 같은 분포가 다른 이미지에서도 잘 동작할 수 있다는 것을 보여주는 논문이다.Abstract대규모 데이터셋 학습을 통한 Scaling은 Diffusion model에서 이미지 생성과 조작의 품질과 재현성을 향상시키는 것을 보여준다. 그러나, medical image의 비용과 보안문제로 인해 대규모 데이터셋은 항상 이용할 수 있는건 아니다, 이 말은 즉 real dat.. [Paper review] RobustSAM: Segment Anything Robustly on Degraded Image 논문 소개RobustSAM은 CVPR 2024에 accept된 논문이고, SAM에 대해 낮은 이미지 품질에서도 잘 동작할 수 있도록 연구한 논문이다.AbstractSegment Anything Model(SAM)은 image segmentation에서 혁신적인 접근 방식으로 등장했으며, zero-shot segmentation과 유연한 prompting system으로 호평받고있다.그럼에도 불구하고 낮은 품질의 이미지에 대해 성능 저하에 대한 challenge가 존재한다. 이 문제를 해결하기 위해 낮은 품질을 가진 이미지에서도 좋은 성능을 보여주는 RobustSAM을 소개한다.RobustSAM은 pre-trained SAM 모델을 활용하며 이에 해당하는 파라미터 증가와 요구되는 계산은 적은편이다.Robu.. 이전 1 다음
