arXiv cs.AI· Johannes B. Thalhammer, Patrick Ilg, Tina Dorosti, Sebastian Peterhansl, Theresa Hiu, Daniel Frey, Zijin Huang, Florian Schaff, Daniela Pfeiffer, Franz Pfeiffer·· 1 天前AI 评分19
基于学习的探测器间隙插值方法用于光子计数X射线成像
Learning-Based Interpolation of Detector Gaps in Photon-Counting X-ray Imaging
AI 导读
研究将 WGAN-GP 与 Pix2Pix 两种生成模型用于填充光子计数 X 射线成像中拼接探测器模块的物理间隙，通过掩码策略限制仅修改间隙像素并约束填充区域均值与分布。
正文 · AI 翻译
摘要：由拼接模块组装而成的图像探测器在视场中存在物理间隙，必须在相位恢复或断层重建等下游处理之前填补。与自然图像修复不同，探测器间隙插值必须保持所有其他像素不变，并保持填充区域的强度统计特性，因为即使平均强度发生微小偏移，也可能在重建后产生环形伪影。我们将两种生成模型——带梯度惩罚的 Wasserstein GAN（WGAN-GP）和条件 Pix2Pix 模型——适配到该任务。我们实现了一种掩码策略，将所有变化限制在间隙像素上，并加入约束填充区域平均强度和强度分布的损失项。两个模型均在带有模拟间隙的 nanoCT 投影上训练，并在模拟间隙上与线性插值、Navier--Stokes 修复和深度图像修复网络 MADF 进行定量比较，在真实探测器间隙上进行视觉比较。WGAN-GP 和 Pix2Pix 取得了最佳的感知相似度（LPIPS）和直方图距离，并且除线性插值外推理时间最短。Pix2Pix 所需的训练 GPU 小时数约为 WGAN-GP 的五分之一。消融研究表明，对网络输出进行掩码对获得合理的修复结果贡献最大。应用于正弦图时，Pix2Pix 产生了最自然的间隙填充，但与线性插值相比仅略微改善了重建。最终 Pix2Pix 模型的源代码和权重可在 此 https URL 获取。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.15614 [cs.CV] |
| （或 arXiv:2611.15614v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.15614 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Johannes Thalhammer [查看邮箱]
[v1]
2026年11月11日星期三 15:31:56 UTC（10,343 KB）
来源：arXiv cs.AI · arxiv.org