이 논문은 Computed Tomography (CT) 영상 복원 문제를 다룬다. CT는 의료 영상 처리 분야의 대표적인 역문제(Imaging Inverse Problem, IIP)이며, 데이터 기반 방법이 희소 X선 투영과 같은 열악한 측정 환경에서 뛰어난 성능을 보인다.
기존 연구에서는 대규모 지도 학습 데이터셋을 활용하거나 완전 비지도 기술을 사용하여 IIP를 해결하였다. 지도 학습 방식은 실험 설정 변화에 일반화되지 못하는 문제가 있고, 비지도 방식은 충분한 학습 데이터가 필요하다는 한계가 있다.
이 논문에서는 생성 잠재 최적화(GLO) 프레임워크를 활용한 조건부 접근법인 cGLO를 제안한다. cGLO는 실험 측정값을 직접 비교하는 손실 함수를 사용하여 복원을 수행하며, 사전 학습 데이터 유무와 관계없이 우수한 성능을 보인다. 사전 학습 데이터가 있는 경우 복원 성능이 더욱 향상된다.
실험 결과, cGLO는 기존 최신 방법들과 비교하여 SSIM 지표에서 우수한 성능을 보였다. 특히 학습 데이터가 부족한 경우 PSNR 지표에서도 더 나은 결과를 얻었다. 또한 cGLO는 역투영 연산자가 필요 없어 비선형 IIP에도 적용할 수 있다는 장점이 있다.
翻譯成其他語言
從原文內容
arxiv.org
深入探究