画像分類のためのクロススケール共起局所二値パターン

クロススケール共起局所バイナリパターンを用いた画像分類法の研究 画像分類技術はコンピュータビジョン分野で重要な位置を占めており、画像特徴抽出はこの分野の核心的研究対象です。近年、局所バイナリパターン(Local Binary Pattern, LBP)は、その効率性と優れた記述能力により、テクスチャ分類や顔認識などの視覚タスクで広く利用されています。しかし、従来のLBP手法は幾何変換(回転やスケーリング)や画像ノイズに対して制約があり、その記述能力が劣化しやすいという課題がありました。これらの課題に対処するため、重慶郵電大学の肖斌らの研究チームは、学術誌「International Journal of Computer Vision」に「CS-COLBP: Cross-Scale Co-O...

StyleGANを用いた画像編集のための残差変形

GAN反転と画像編集の新手法:StyleGANを用いたWarping the Residualsによる画像編集 背景と研究課題 生成的敵対ネットワーク(Generative Adversarial Networks, GAN)は、画像生成分野で著しい進展を遂げ、高品質な画像の生成および編集を可能にしました。特に、StyleGANモデルは、その意味的に解釈可能な潜在空間構造を活用し、従来の画像翻訳手法を超える編集能力を示しています。しかし、GANの実用化において直面する主要な課題は、実画像を編集する際に、画像をGANの潜在空間(GAN反転)に正確に投影し、入力画像を高忠実度で再構築しつつ、高品質な編集を実現することです。 既存の手法では、低ビットレートの潜在空間(例:StyleGANの$W^+...

オブジェクト再識別のためのトランスフォーマー:調査

オブジェクト再識別のためのTransformer: サーベイ 背景と研究の重要性 オブジェクト再識別(Object Re-Identification、以下Re-ID)は、特定のオブジェクトを異なる時間やシーンで識別する重要なコンピュータビジョンタスクです。本分野は、畳み込みニューラルネットワーク(Convolutional Neural Networks, CNNs)をベースとした深層学習技術により大きな進展を遂げました。しかし、視覚Transformerの登場により、Re-ID研究は新たな局面を迎えています。本研究では、Transformerを用いたRe-ID技術を体系的にレビューし、画像/ビデオ、少データ/少アノテーション、多モーダル、特殊な応用シナリオでの利点と課題を分析します。 研...

条件付きタンパク質拡散モデルにより、活性が強化された人工プログラム可能エンドヌクレアーゼ配列を生成

条件付きタンパク質拡散モデルにより、活性が強化された人工プログラム可能エンドヌクレアーゼ配列を生成

深層学習を活用したタンパク質設計:条件付き拡散モデルによる機能的タンパク質配列の生成 タンパク質は生命科学研究および応用の中心的要素であり、その多様性と機能の複雑性は科学者に無限の可能性を提供します。深層学習技術の発展により、タンパク質設計は新たな高みに到達しつつあります。上海交通大学やケンブリッジ大学など複数の機関の科学者が共同で発表した研究「A conditional protein diffusion model generates artificial programmable endonuclease sequences with enhanced activity」は、「条件付きタンパク質拡散モデル」(Conditional Protein Diffusion Model、CPD...

シングルセルATAC-Seqデータの遺伝子セットスコアリングアルゴリズムのベンチマーク

遺伝子セット評価ツールの単細胞ATAC-seqデータに対するベンチマークテスト 著者: Xi Wang, Qiwei Lian, Haoyu Dong, Shuo Xu, Yaru Su, Xiaohui Wu 所属: パスツール学院(蘇州大学蘇州医学院)、厦門大学自動化学部、福州大学数学・コンピューターサイエンス学部 連絡著者: xhwu@suda.edu.cn ジャーナル: 『Genomics, Proteomics & Bioinformatics』 公開日: 2024年2月9日(オンライン公開) 序論 トランスポザーゼアクセシブルクロマチン配列決定法(ATAC-seq)は、全ゲノム範囲でのクロマチンアクセシビリティを配列分析によって調べる強力で一般的なエピゲノム技術である。最近、単一...

タンパク質構造予測:課題、進展、そして研究パラダイムのシフト

タンパク質構造予測:課題、進歩、および研究パラダイムの変化 タンパク質構造予測は、生化学、医学、物理学、数学、コンピューターサイエンスなど多分野の研究者を引きつける重要な学際的研究課題です。研究者たちは同じ構造予測問題を解決するために様々な研究パラダイムを採用しています:生化学者と物理学者はタンパク質フォールディングの原理を解明しようとしています;数学者、特に統計学者は通常、与えられた目的配列のタンパク質構造の確率分布を仮定することから始め、最も可能性の高い構造を見つけます;一方、コンピューターサイエンティストはタンパク質構造予測を最適化問題として捉え、最低エネルギーを持つ構造コンフォメーションを見つけるか、予測構造と天然構造の間の差異を最小化しようとします。最近では、深層学習もタンパク質構...