Convolutional Neural Network to Restore Low-Dose Digital Breast Tomosynthesis Projections in a Variance Stabilization Domain デジタル乳房トモシンセシス（DBT）検査では、正確な医療診断のために十分に良好な画質を維持しながら、可能な限り低い放射線量を利用する必要があります。この作業では、畳み込みニューラルネットワーク（CNN）を提案して、低線量（LD）DBT投影を復元し、標準の全線量（FD）取得と同等の画質を実現します。提案されたネットワークアーキテクチャは、ネットワークが分散安定化変換（VST）ドメインで動作するようにトレーニングされているモデルベースの深層学習アプローチを考慮して、従来のモデルベース（MB）復元方法に触発されたレイヤーの観点から事前確率の恩恵を受け

IDEA-Net: Dynamic 3D Point Cloud Interpolation via Deep Embedding Alignment この論文は、大きな非剛体変形を伴う動的3D点群を時間的に補間する問題を調査します。この問題を点ごとの軌道（つまり、滑らかな曲線）の推定として定式化し、時間的な不規則性とアンダーサンプリングが2つの主要な課題であるというさらなる理由を説明します。課題に取り組むために、明示的に学習された時間的一貫性の支援の下で問題を解きほぐす、エンドツーエンドの深層学習フレームワークであるIDEA-Netを提案します。具体的には、2つの連続する点群フレームをポイントごとに整列させる時間整合性学習モジュールを提案します。これに基づいて、線形補間を使用して粗い軌道/フレーム間を取得できます。軌道の高次の非線形成分を補正するために、ローカルジオメトリプロパティを回帰

Pseudo-Q: Generating Pseudo Language Queries for Visual Grounding 視覚的接地、つまり自然言語クエリに従って画像内のオブジェクトをローカライズすることは、視覚言語の理解における重要なトピックです。このタスクの最も効果的なアプローチはディープラーニングに基づいており、通常、手動でラベル付けされた高価な画像クエリまたはパッチクエリのペアが必要です。人間の注釈への大きな依存を排除するために、教師ありトレーニング用の疑似言語クエリを自動的に生成するPseudo-Qという名前の新しい方法を紹介します。この方法では、既成のオブジェクト検出器を利用して、ラベルのない画像から視覚的なオブジェクトを識別します。次に、これらのオブジェクトの言語クエリは、疑似クエリ生成モジュールを使用して教師なしで取得されます。次に、タスク関連のクエリプロンプトモ

kDecay：ニューラルネットワークを改善するためにLearning-RateScheduleにk-decayアイテムを追加するだけです kDecay: Just adding k-decay items on Learning-Rate Schedule to improve Neural Networks 最近の研究では、学習率（LR）スケジュールを最適化することが、ディープニューラルネットワークをトレーニングするための非常に正確で効率的な方法である可能性があることが示されています。 LRの変化率（ROC）はトレーニングプロセスと相関関係があることがわかりますが、この関係を使用してトレーニングを制御し、精度を向上させる目的を達成するにはどうすればよいでしょうか。新しい方法であるk-decayを提案します。これは、一般的に使用される簡単なLRスケジュール（exp、cosines、poly

Hindsight is 20/20: Leveraging Past Traversals to Aid 3D Perception 自動運転車は、安全に運転するために、車両、歩行者、およびその他の交通参加者を正確に検出する必要があります。 LiDARポイントクラウドには、それらを検出するための情報が限られているため、小さい、遠くにある、または高度に遮蔽されたオブジェクトは特に困難です。この課題に対処するために、過去の貴重な情報、特に同じシーンの過去のトラバーサルで収集されたデータを活用します。通常は破棄されるこれらの過去のデータは、上記の困難なケースを明確にするための豊富なコンテキスト情報を提供すると考えます。この目的のために、過去のトラバーサルからこのコンテキスト情報を抽出し、クエリが容易なデータ構造に保存するための、新しいエンドツーエンドのトレーニング可能なHindsightフレー

日常の卓上オブジェクトの371の3Dモデルのデータセットと、32万の実世界のRGBおよび深度画像を提示します。各画像のカメラポーズとオブジェクトポーズの正確な注釈は、半自動化された方法で実行され、形状再構成、オブジェクトポーズ推定、形状検索などの無数の3Dアプリケーションでのデータセットの使用を容易にします。主に学習したマルチビューに焦点を当てます。タスクに適切な実世界のベンチマークがないために3Dを再構築し、データセットがそのギャップを埋めることができることを示します。注釈付きデータセット全体と、注釈ツールおよび評価ベースラインのソースコードが公開されます。 We present a dataset of 371 3D models of everyday tabletop objects along with their 320,000 real world RGB and depth

少数のショットモデルは、特定のタスクからの最小限の数のラベル付きの例を使用して予測を行うことを目的としています。この領域での主な課題は、各クラスを表す要素が1つだけのワンショット設定です。カーネルとハイパーネットワークパラダイムの融合であるHyperShotを提案します。パラメータの勾配ベースの調整を適用する参照アプローチと比較して、私たちのモデルは、タスクの埋め込みに応じて分類モジュールのパラメータを切り替えることを目的としています。実際には、ハイパーネットワークを利用します。ハイパーネットワークは、サポートデータから集約された情報を取得し、考慮された問題に対して手作りされた分類器のパラメーターを返します。さらに、分類モジュールのパラメーターを作成するためにハイパーネットワークに提供されるサポート例のカーネルベースの表現を紹介します。したがって、バックボーンモデルによって提供される直接的

AI-enabled Assessment of Cardiac Systolic and Diastolic Function from Echocardiography 左心室（LV）機能は、患者の管理、転帰、および心臓病患者の長期生存の観点から重要な要素です。最近発表された心不全の臨床ガイドラインは、診断および治療の層別化バイオマーカーとして、心臓機能の1つの測定値（LV駆出率）のみに過度に依存することは最適ではないことを認識しています。 AIベースの心エコー検査分析の最近の進歩は、LVボリュームとLV駆出率の自動推定で優れた結果を示しています。ただし、時変2D心エコー検査の取得から、完全な心周期から機能的なバイオマーカーを推定することにより、心機能のより豊富な説明を取得できます。この作業では、完全な心周期のセグメンテーションに基づく2D心エコー検査から収縮期および拡張期のLV機能の

VinDr-Mammo：フルフィールドデジタルマンモグラフィにおけるコンピュータ支援診断のための大規模なベンチマークデータセット VinDr-Mammo: A large-scale benchmark dataset for computer-aided diagnosis in full-field digital mammography マンモグラフィ、または乳房X線は、がんやその他の乳房疾患を検出するために最も広く使用されている画像診断法です。最近の研究では、深層学習ベースのコンピューター支援検出および診断（CADeまたはCADx）ツールが、医師をサポートし、マンモグラフィの解釈の精度を向上させるために開発されたことが示されています。ただし、公開されているマンモグラフィのデータセットのほとんどは、サンプルサイズに制限されているか、スクリーンフィルムマンモグラフィ（SFM）からデジタ

CNNs and Transformers Perceive Hybrid Images Similar to Humans ハイブリッド画像は、視距離の関数として変化する2つの解釈を持つ画像を生成する手法です。これは、人間の視覚システムによる画像のマルチスケール処理を研究するために利用されてきました。ここでは、10の果物カテゴリにわたる63,000のハイブリッド画像を使用して、深層学習ビジョンモデルの予測がこれらの画像の人間の知覚と質的に一致することを示します。私たちの結果は、畳み込みニューラルネットワーク（CNN）とトランスフォーマーが視覚野の腹側ストリームにおける情報のフィードフォワードスイープのモデリングに優れているという仮説を支持するさらに別の証拠を提供します。コードとデータはhttps://github.com/aliborji/hybrid_images.gitで入手できます

Contribution of Different Handwriting Modalities to Differential Diagnosis of Parkinson's Disease この論文では、パーキンソン病の診断に対するさまざまな手書きモダリティの寄与を評価します。タブレット表面にかかる表面上の動き、空気中の動き、圧力を分析します。特に空中移動と圧力ベースの機能は、以前の研究ではほとんど考慮されていませんでした。圧力と空気中の動きにも、手書きによるパーキンソン病（PD）の診断に関連する情報があることを示します。従来の運動学的および時空間的特徴に加えて、手書き信号のエントロピーおよび経験的モード分解に基づく新しい特徴のグループを提示します。提示された結果は、手書きがPDのバイオマーカーとして使用でき、PD分類のROC曲線（AUC）の下の約89％の領域で分類パフォーマンスを提