Core Concepts
本研究は、信号依存性と行相関を持つノイズに対する初の教師なしディープラーニングベースのディノイジング手法を提案する。
Abstract
本研究では、信号依存性と行相関を持つノイズに対する教師なしのディープラーニングベースのディノイジング手法を提案している。
提案手法は、変分オートエンコーダ(VAE)をベースとしている。
VAEのデコーダには、行方向のみの自己回帰的な受容野を持たせることで、ノイズ成分をデコーダがモデル化し、潜在変数にはクリーンな信号成分のみが表現されるよう設計している。
さらに、潜在変数から信号を再構成するための追加のデコーダネットワークを導入している。
提案手法は、事前学習されたノイズモデルを必要とせず、ノイズのみのデータから直接学習できる。
蛍光顕微鏡、走査型電子顕微鏡、赤外線イメージングなど、さまざまな実際のイメージングデータに適用し、従来手法を上回る性能を示している。
Stats
信号強度が増加するにつれ、ノイズの分散も増加する信号依存性がある。
ノイズは行方向に相関を持っている。
Quotes
"本研究は、信号依存性と行相関を持つノイズに対する初の教師なしディープラーニングベースのディノイジング手法を提案する。"
"提案手法は、事前学習されたノイズモデルを必要とせず、ノイズのみのデータから直接学習できる。"