潜在融合：一种有效且高效的组织学伪影恢复框架
原文中文，约400字，阅读约需1分钟。发表于：。通过使用低维潜空间中的潜在扩散模型（LDM），我们提出了一种新的框架 LatentArtiFusion，可高效且计算性能良好地重建组织学伪迹。与传统的像素级扩散框架不同，LatentArtiFusion 在较低维的潜在空间中执行恢复过程，显著提高了计算效率。此外，我们引入了一种新颖的区域性伪迹重建算法，以在非伪迹区域中防止误传，与基于 GAN...
研究人员提出了一种新的框架LatentArtiFusion，用于高效重建组织学伪迹。该框架通过低维潜空间中的潜在扩散模型（LDM）实现恢复过程，提高了计算效率。实验结果显示，LatentArtiFusion的速度比传统像素级扩散框架快30倍以上，并且在多个评估指标上优于基于GAN的方法。此外，该框架在下游组织分类任务中也表现出实际实用性。
