CAFlow: 効率的な病理組織超解像のための適応深度・単一ステップ・フローマッチング

要旨：デジタル病理学において、全スライド画像は日常的にギガピクセル超の解像度を超え、計算量の多い生成型超解像（SR）は日常の導入には現実的でなくなる。私たちはCAFlowを導入します。これは、再構成品質を保つ最も浅いネットワーク出力へ各画像タイルを経路分岐させる、適応深度の単一ステップのフローマッチングフレームワークです。CAFlowはピクセルをシャッフルしていない再配置空間でフロー整合を実行し、直接推論を可能にしつつ、空間計算を16倍削減します。トレーニングの半分を正確な t=0 サンプルに割り当てることは、単一ステップの品質に不可欠であることを示します（これを行わない場合は-1.5 dBの低下）。バックボーンであるFlowResNet（1.90Mパラメータ）は、畳み込みと窓状自己注意ブロックを、3.1〜13.3 GFLOPsにまたがる4つの早期出口にまたがって混合します。軽量な出口分類器（約6Kパラメータ）は、わずか0.12 dBのコストで33%の計算削減を実現します。マルチオーガン病理組織のx4 SRでは、適応ルーティングはフル深度の31.84 dB PSNRに対して31.72 dBを達成し、最も浅い出口はSwinIR-lightより計算量を2.8x削減して+1.9 dBを上回ります。手法は未知の結腸組織にもほとんど品質の損失なしで一般化し、-0.02 dB、x8アップスケーリングでは、すべての同等計算量ベースラインを上回り、はるかに大きいSwinIR-Mediumモデルと競合する性能を維持します。下流の核セグメンテーションは、臨床的に関連する構造の保存を確認します。モデルは1台のGPUで5時間未満で学習し、適応ルーティングにより、全スライド推論を分単位から秒単位へ短縮できます。