要旨: ボリューム超解像（SR）における最近の進歩は、医用および科学画像分野で強い性能を示しており、トランスフォーマーおよびCNNベースの手法は、極端なスケーリング係数においても印象的な結果を達成しています。本研究では、この性能の多くが、実際の低解像度スキャンではなく、ダウンサンプルしたデータでの学習に起因していることを示します。こうしたダウンサンプリングへの依存は、対応する高解像度・低解像度の3Dデータセットの入手可能性が乏しいことが一因です。これに対処するため、対応する高解像度・低解像度のスキャンを含む大規模ボリュームデータセットであるVoDaSuReを導入します。VoDaSuReでモデルを学習すると、重要な不一致が明らかになります。すなわち、ダウンサンプルデータで学習したSRモデルは、実際の低解像度スキャンで学習したモデルよりも実質的によりシャープな予測を生成しますが、微細構造が平滑化されます。逆に、ダウンサンプルデータで学習したモデルを実際のスキャンに適用すると、より多くの構造が保持されるものの、不正確です。これらの結果は、現在のSR手法が過大評価されていることを示唆しています。すなわち、実データに適用しても、低解像度スキャンで失われた構造を復元するのではなく、平滑化された平均を予測するだけです。私たちは、深層学習ベースのボリュームSRの進展には、VoDaSuReのような高い複雑さをもつ実スキャン対のデータセットが必要であると主張します。本データセットとコードは以下から公開されています: https://augusthoeg.github.io/VoDaSuRe/
VoDaSuRe：ボリュメトリック・スーパーレゾリューションにおけるドメインシフトを明らかにする大規模データセット
arXiv cs.CV / 2026/3/25
📰 ニュースSignals & Early TrendsModels & Research
要点
- 本論文は、近年のボリュメトリック・スーパーレゾリューション（SR）の進展が、実世界での性能をしばしば過大評価していると主張する。その理由は、モデルが真に低解像度のスキャンではなく主にダウンサンプルされたデータで学習されているためである。
- 著者らは、真のドメインシフトをより適切に捉えるために、高解像度および低解像度の3次元ボリュメトリック・スキャンを対応付けて提供する大規模データセット「VoDaSuRe」を提案する。
- 実験の結果、ダウンサンプルデータで学習したSRモデルは、実際の低解像度スキャンに対しては過度にシャープだが不正確な出力を生成するのに対し、VoDaSuReで学習したモデルは実際の低解像度の影響をより反映できる一方で、いくつかの点では忠実性が低くなる可能性が示された。
- 全体としての結果は、現在のSR手法が実データに適用された際に、取得過程で失われた情報を復元するというより微細構造を「平滑化」してしまう可能性を示唆しており、重要な評価上およびデータセット上のギャップが存在することを意味する。
- データセットおよび関連コードは公開されており、ボリュメトリックSR研究において、より現実的な学習とベンチマークを可能にする。
