이 연구는 희소 뷰 CT 재구성을 위한 새로운 Cascaded Diffusion with Discrepancy Mitigation (CDDM) 프레임워크를 소개한다. CDDM은 잠재 공간에서 저품질 이미지 생성과 픽셀 공간에서 고품질 이미지 생성을 포함하며, 데이터 일관성과 불일치 완화를 포함하는 단일 단계 재구성 프로세스를 수행한다.
잠재 공간에서의 생성 프로세스는 반복 재구성 이미지를 조건으로 하며, 픽셀 공간에서의 고정밀 재구성을 위해 랜덤 노이즈가 추가된다. 픽셀 공간에서의 확산 프로세스는 데이터 일관성과 불일치 완화를 포함한다. 데이터 일관성은 방향별로 구분된 특수 ADMM을 통해 처리되며, 불일치 완화는 다른 확산 모델을 통해 수행된다.
기존 방법과 비교하여 CDDM은 다음과 같은 혁신을 제공한다. 첫째, 캐스케이드 프레임워크를 통해 일부 추론 단계를 픽셀 공간에서 잠재 공간으로 이전하여 계산 비용을 줄인다. 둘째, 데이터 일관성으로 인한 훈련-샘플링 간 불일치 문제를 해결하기 위한 새로운 접근법을 제안한다. 셋째, 방향별로 구분된 특수 ADMM을 제안하여 문제를 유연하게 분해한다.
실험 결과는 CDDM이 데이터 일관성으로 인한 편향을 효과적으로 줄이고 생성된 확산 이미지의 품질을 향상시킴을 보여준다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문