论文页面 - WaveDiT: 分布感知的小波流匹配用于高效3D脑MRI合成

来源：https://huggingface.co/papers/2606.08670

摘要

WaveDiT 在小波系数空间中利用条件流匹配与自适应精度建模，生成全分辨率 3D 脑部 MRI，在标准硬件上实现高效合成。

大规模、人口统计学平衡的数据集对于可靠的神经影像生物标志物至关重要。全分辨率 3D 脑部 MRI 合成可在这一场景中支持数据增强，但现有方法要么在体量规模上计算成本过高，要么依赖有损潜在压缩，可能损害解剖细节。因此，实用的 3D 生成式增强通常需要专门的计算基础设施。我们提出 WaveDiT，一个运行在 3D Haar 离散小波变换系数空间中的条件流匹配框架。该模型将分解的时空深度注意力与基于高阶小波统计的频带异方差不确定性建模相结合。预测的对数方差直接集成到流目标和条件路径中，从而实现了与解剖细节的重尾和输入依赖方差结构相一致的自适应精度。这种表述支持在单个现代 GPU 上，在实用的内存和时间约束下进行全分辨率 3D 合成。在多中心队列上的评估表明，与基于扩散、潜在和小波的基线相比，生成的 MRI 与真实 MRI 分布之间的一致性有所改善，同时增强了下游的脑龄预测和区域级解剖一致性。代码可在 https://github.com/sisinflab/WaveDiT 获取。

查看 arXiv 页面 (https://arxiv.org/abs/2606.08670)查看 PDF (https://arxiv.org/pdf/2606.08670)项目页面 (https://danesed.github.io/wavedit-page/)GitHub1 (https://github.com/sisinflab/WaveDiT)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.08670)

社区

论文作者

论文提交者

约1小时前 (https://huggingface.co/papers/2606.08670#6a2fb2a55a67a0d466ef1f86)

一个完整大小的3D大脑。每个体素，无有损潜在。

大小并不是唯一的困难点：小波频带在统计上并不相等，高频解剖是稀疏的、重尾的，并且随着噪声变成大脑而变得更加清晰。因此我们构建了 Morpheus：一个调度器，将模型聚焦于信号可预测的区域，而非均匀损失。

它直接基于我们之前的工作 FlowLet，并扩展到原生 182×218×182 体积（及更大），训练和推理均在单个消费级 GPU 上进行。

通过拖拽文本输入、粘贴或点击此处来上传图像、音频和视频。

点击或粘贴此处上传图像

在您的智能体中获取此论文：

hf papers read 2606.08670

没有最新的 CLI？curl \-LsSf https://hf.co/cli/install.sh \| bash

引用此论文的模型1

danesed/WaveDiT 无条件图像生成 • 更新于37分钟前 • 1 (https://huggingface.co/danesed/WaveDiT)

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2606.08670 以从此页面链接。

引用此论文的 Space1

包含此论文的收藏集0

没有包含此论文的收藏集

将此论文添加到收藏集 (https://huggingface.co/new-collection)以从此页面链接。