arXiv · 机器人与计算机视觉· Yunxiao Zhang, Shouqiang Du, Zexian Xu, Chuanlong Xu·· 24 天前AI 评分45
L0-Norm-Based CycleGAN 实现无配对脑 CT 到 MR 合成
L0-Norm-Based CycleGAN for Unpaired Brain CT-to-MR Synthesis
AI 导读
针对标准 L1-norm 惩罚项对大残差敏感的问题,该研究提出一种基于 L0-norm 近似的光滑有界函数以增强对小残差的敏感性。模型与基线均在 102 张图像上训练并在 9 张测试图评估,结果显示新模型均方误差降低 20.7%(0.02746 vs 0.03464),峰值信噪比提升至 15.80 dB。该工作表明修改循环一致性惩罚项能有效提升此类数据集的重建精度。
来源:arXiv · 机器人与计算机视觉 · arxiv.org