생성적 적대 신경망과 형태 우선 정보를 이용한 시노그램 인페인팅

X선 컴퓨터 단층촬영은 물체의 X선 흡수 프로파일 세트(소위 시노그램)에서 단면 이미지를 계산하는 널리 사용되는 비파괴 이미징 기술입니다. 시노그램에서 이미지를 계산하는 것은 잘 정의되지 않은 역문제로, X선 측정을 충분히 수집할 수 없을 때 조건이 불충분해집니다. 우리는 물체를 모든 방향에서 스캔할 수 없지만 물체의 형태에 대한 사전 정보가 있는 X선 단층촬영 이미지 재구성 문제를 해결하는 데 관심이 있습니다. 따라서 우리는 형태 우선 정보를 사용하여 누락된 측정을 추론함으로써 제한된 단층촬영 측정으로 인한 이미지 아티팩트를 줄이는 방법을 제안합니다. 우리의 방법은 제한된 획득 데이터와 형태 정보를 결합하는 생성적 적대 신경망을 사용합니다. 기존의 대부분의 방법이 균등하게 분포된 누락 스캔 각도에 초점을 맞추는 반면, 우리는 연속적으로 누락된 획득을 상당수 추론하는 접근법을 제안합니다. 우리는 우리의 방법이 이전 최첨단 시노그램 인페인팅 기술로 재구성된 이미지와 비교하여 일관되게 이미지 품질을 향상시킴을 보여줍니다. 특히, 우리는 다른 방법과 비교하여 7 dB 피크 신호 대 잡음 비율 개선을 보여줍니다.