PPFM: 单步后验采样泊松流生成模型在光子计数 CT 图像去噪中的应用

Dec, 2023

PPFM: 单步后验采样泊松流生成模型在光子计数 CT 图像去噪中的应用

PPFM: Image denoising in photon-counting CT using single-step posterior sampling Poisson flow generative models

Dennis Hein, Staffan Holmin, Timothy Szczykutowicz, Jonathan S Maltz, Mats Danielsson...

TL;DRPoisson flow generative models (PPFM) for low-dose CT image denoising outperforms diffusion models with a significantly reduced number of function evaluations (NFE=1).

Abstract

Diffusion and poisson flow models have shown impressive performance in a wide range of generative tasks, including low-dose ct image denoising

diffusion models poisson flow models image denoising low-dose ct nfe=1

发现论文，激发创造

低剂量 CT 图像去噪的泊松流一致性模型

提出了一种结合了 Poisson 流一致性模型（PFCM）的后采样 Poisson 流一致性模型（PS-PFCM）的图像去噪技术，该方法能够在低剂量 CT 图像上优于当前的最优扩散样式模型，并在 CIFAR-10 数据集上提供了初步结果。

Feb, 2024

医学图像生成的快速去噪扩散概率模型

Fast-DDPM 是一种简单而有效的方法，可同时提高训练速度、采样速度和生成质量，通过仅使用 10 个时间步进行训练和采样，相比 DDPM，Fast-DDPM 能够在医学图像生成任务中优于基于卷积网络和生成对抗网络的当前最先进方法，并将训练时间缩短了 5 倍，采样时间缩短了 100 倍。

May, 2024

低光照图像的深度卷积降噪

本文介绍了使用卷积神经网络和 Poisson 分布进行图像去噪的方法，通过特定峰值的图片训练网络可以显著提高图像去噪效果，并且此方法灵活、数据驱动，速度更快。同时，结合图像先验信息，处理同类别图片可以进一步提高性能表现。

Jan, 2017

低剂量 CT 图像去噪的扩散概率先验

本研究提出了一种基于扩散概率模型的全无监督低剂量 CT 图像去噪方法，该方法无需训练数据集，并且能够在保持图像内容一致的同时生成高质量的正常剂量 CT 图像，评估结果显示其性能比多个监督学习方法更优。

May, 2023

生成即插即用：逆问题后验采样

本文介绍了一种新的基于 Plug-and-Play 的图像重建方法 Generative Plug-and-Play (GPnP)，其通过使用扩展的先验模型和物理模型来进行样本采样，实验结果表明该方法在稀疏插值和层析重建方面具有鲁棒性和实用性。

Jun, 2023

基于扩散模型的原则性概率成像使用即插即用的先验

采用扩散模型和马尔可夫链 - 蒙特卡洛算法解决反问题，通过降低到高斯去噪问题的后验采样，有效地实现了更准确的重建和后验估计。

May, 2024

学习离散去噪扩散 ODEs

LD3 是一个轻量级的学习时间离散化的框架，可在采样 Diffusion ODE 时与各种求解器结合使用，从而提高采样效率并减少计算开销。

May, 2024

固定点扩散模型

我们介绍了一种新颖的方法 ——Fixed Point Diffusion Model（FPDM），它将固定点求解的概念融入了基于扩散的生成模型框架中。通过将隐式固定点求解层嵌入到扩散模型的去噪网络中，我们的方法将扩散过程转化为一系列紧密相关的固定点问题。结合新的随机训练方法，这种方法显著减小了模型大小，降低了内存使用量，并加快了训练速度。此外，它还提供了两种新技术来提高采样效率：在时间步长之间重新分配计算和重用固定点解。我们在 ImageNet、FFHQ、CelebA-HQ 和 LSUN-Church 上进行了大量实验，证明了性能和效率的显著改进。与最先进的 DiT 模型相比，FPDM 的参数数量减少了 87%，训练过程中的内存消耗减少了 60%，并且在采样计算或时间有限的情况下提高了图像生成质量。我们的代码和预训练模型可以在此 https URL 中获得。

Jan, 2024

Poisson 流生成模型

该研究提出了一种新的 “泊松流” 生成模型 (PFGM)，通过对高维半球面上的均匀分布进行映射来实现任何数据分布的生成，利用电荷在一个带有额外维度的扩展空间中的分布和电场可以生成高维电场及其在空间中的流动进行学习来实现这一目标，此模型在 CIFAR-10 数据集上表现出优秀的生成效果，并且在网络架构弱的情况下同样具有较好的鲁棒性和加速性。

Sep, 2022

非线性 CT 重建的扩散后验抽样

通过扩散后验抽样的方法，我们提出了一种解决非线性 CT 图像重建的逆问题的新方法，该方法结合了训练先验评分函数的传统无条件扩散模型和根据非线性物理模型导出的测量似然评分函数，可以用于采样逆向扩散过程。此方法允许将扩散为基础的先验与广义的非线性 CT 图像重建结合到具有不同正向模型的多个 CT 系统设计中，无需任何额外的训练。

Dec, 2023