跳到正文
arXiv · 机器人与计算机视觉· Federico Carrara, Talley Lambert, Mehdi Seifi, Florian Jug·· 4 小时前AI 评分55

{λ}Split:面向荧光显微成像的内容感知无监督光谱解混方法

{\lambda}Split: Self-Supervised Content-Aware Spectral Unmixing for Fluorescence Microscopy

AI 导读

针对荧光显微成像中光谱重叠与噪声干扰导致传统像素级拟合方法性能下降的问题,本文提出{λ}Split模型。该模型采用层次变分自编码器学习浓度图的条件分布,并通过全可微分的光谱混合器确保与图像形成过程的一致性,从而在无需专用硬件修改的情况下兼容标准共聚焦显微镜数据。作者在66个合成基准上对比了10种基线方法,结果显示该方法在高噪声、光谱高度重叠及低维光谱条件下均表现出更强的鲁棒性与最先进性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org