Apr, 2024

Q2A：查询隐式全连续特征金字塔以对齐医学图像分割特征

PDF
TL;DR提出了一种名为 Q2A 的新型查询式对齐模式，用于解决隐式神经表示（INR）解码器中引起的特征不对齐问题，并通过使用全新的全连续特征金字塔（FCFP）在任意连续分辨率上实现了有效的特征解码。在两个医学数据集和一个通用数据集上的实验表明，所提出的 Q2A 算法优于现有方法。
medical image segmentationimplicit neural representationfeature misalignmentquery-based aligning paradigmcontinuous coordinate decoding
发现论文，激发创造
  • MRI 并行重建的批量隐式神经表示

    基于隐式神经表示的 MRI 重建方法通过引入嵌入尺度的编码器和多层感知机 (MLP) 实现了对完全采样的 MRI 图像进行任意尺度的重建，相比其他重建方法，在公开 MRI 数据集上表现出更好的性能。

    Sep, 2023

  • 一种基于多尺度特征金字塔网络和双重注意力机制的腹部 MRI 图像分割算法

    该研究提出了一种基于多尺度特征金字塔网络和双重注意机制的 MRI 图像分割方法，通过使用扩张卷积和多尺度特征金字塔网络在编码中避免了语义差距问题，并设计双重注意机制来维护 U-Net 的空间信息和降低不对齐问题。在亚腹部 MRI 图像数据集上的实验表明，该方法比其他方法表现更好。

    May, 2023

  • 基于注意力聚合的特征金字塔网络 A^2-FPN 用于实例分割

    通过提出基于注意力聚合机制的特征金字塔网络（A^2-FPN），来提升多尺度特征学习的能力， 在不同的实例分割框架中实现了一致的性能提升，例如，在使用 ResNet-50 和 ResNet-101 作为骨干网的 Mask R-CNN 中，相比于 FPN 增加了 2.1% 和 1.6% 的掩膜 AP。此外，在 Cascade Mask R-CNN 和 Hybrid Task Cascade 等强基线中，A^2-FPN 的掩膜 AP 分别提高了 2.0% 和 1.4%。

    May, 2021

  • ASAP：高准确度实时语义分割

    本文提出使用 Feature Fusion with Different Norms (FFDN)，利用多重尺度的丰富全局上下文信息和垂直池化模块来减少在垂直方向上全局上下文编码的复杂度。在城市风景测试数据集上，平均交互并集（mIoU）为 73.1，每秒帧数（FPS）为 191，与目前最先进的结果相当。

    Oct, 2022

  • FaPN：基于特征对齐的金字塔网络用于稠密图像预测

    本文提出了一种特征对齐模块和特征选择模块，用于上下文对齐上采样的高级特征，以及强调富有空间细节的低级特征，并将这两个模块集成在一个自上而下的金字塔结构中，形成了一种名为特征对齐金字塔网络（FaPN）的方法，该方法在四个密集预测任务和四个数据集上表现出比 Faster / Mask R-CNN 配对的 FPN 改进了 1.2-2.6 个 AP /mIoU 点，特别地，在 Mask-Former 中融合后，FaPN 在 ADE20K 上实现了 56.7％的 mIoU，代码可从此 URL 获得

    Aug, 2021

  • S$^2$-FPN：面向实时语义分割的尺度可扩展的条形注意力引导特征金字塔网络

    本文提出一种名为 S^2-FPN 的轻量级模型，用于实时场景语义分割。该模型采用了注意力机制、尺度感知条带注意力以及全局特征上采样等多种方法，从而在准确度和速度之间达成权衡，提高了图像分割的效率。

    Jun, 2022

  • 实时语义分割的特征金字塔编码网络

    提出了一种轻量级特征金字塔编码网络（FPENet）来在语义分割任务中平衡精度和速度。通过深度扩张卷积对多尺度上下文特征进行特征金字塔编码块的编码，在解码器中引入了互相嵌入上采样模块以高效聚合高级语义特征和低级空间细节。在 Cityscapes 和 CamVid 基准数据集上，该网络具有更少的参数和更高的推理速度，并实现了 68.0％的平均 IoU 和 102 FPS 的速度。

    Sep, 2019

  • FeatUp：适用于任意分辨率的模型无关特征框架

    使用一个多角度一致性损失函数，我们提出了 FeatUp，一种可以恢复深度特征中丢失空间信息的任务和模型无关的框架。通过保持原始语义，FeatUp 在现有应用中替换特征，从而取得了分辨率和性能上的提升，甚至无需重新训练，我们在类别激活图、分割和深度预测的传递学习以及语义分割的端到端训练方面展示了 FeatUp 明显优于其他特征上采样和图像超分辨率方法。

    Mar, 2024

  • 实例分割的隐式特征优化

    本文提出了一种新型的隐式特征细化模块，该模块通过构造隐函数，利用模拟无限深度网络的固定点迭代得到实例特征的平衡状态，从而达到高质量的实例分割，并可扩展在大多数对象识别框架中。

    Dec, 2021

  • 通过专家混合训练构建神经隐式字典

    该研究论文提出了一种能够通过基于坐标的子网络来构建神经隐式词典 (NID) 并代表内在神经表征的框架，通过优化结果能够更快地重建 2D/3D 图像并解决遮挡问题。

    Jul, 2022