一篇新的研究论文探讨了拼接伪影和维度对大型人工生成体积数据集的影响，特别是在冷冻电子显微镜的背景下。研究发现，FID分数不足以检测细微的拼接伪影，而这些伪影会严重影响下游的分割任务。虽然具有无伪影拼接的3D模型比2D模型有边际改进，但计算成本并不总是合理的，并且由于更大的批次大小，2D模型提供了更稳定的训练。该研究强调了在生物医学成像中使用的生成模型，仔细考虑和减轻拼接伪影的重要性。 AI
影响 强调了当前AI生成科学数据的评估指标的局限性，并强调了大规模生物医学成像中减轻伪影的必要性。
排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了生成模型和数据集伪影分析的发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.20095v1 Announce Type: new Abstract: Generating large images via deep learning requires patching input data to accommodate hardware memory limitations, then assembling output patches, a process that can introduce stitching artifacts when neighboring patches do not alig…
Generating large images via deep learning requires patching input data to accommodate hardware memory limitations, then assembling output patches, a process that can introduce stitching artifacts when neighboring patches do not align at borders. While these artifacts are known to…