論文の概要: Real-time Surface Deformation Recovery from Stereo Videos
- arxiv url: http://arxiv.org/abs/2007.08576v1
- Date: Thu, 16 Jul 2020 19:24:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 23:43:22.796930
- Title: Real-time Surface Deformation Recovery from Stereo Videos
- Title（参考訳）: ステレオ映像からのリアルタイム表面変形回復
- Authors: Haoyin Zhou, Jagadeesan Jayender
- Abstract要約: ステレオビデオから組織表面の変形をリアルタイムで推定する手法を提案する。
まずステレオマッチング法を用いてステレオビデオフレームから深度情報を抽出し,組織テンプレートを生成する。
次に、ICP、ORB特徴マッチングおよびARAPコストを最小化することにより、得られたテンプレートの変形を推定する。
- 参考スコア（独自算出の注目度）: 10.181846237133167
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tissue deformation during the surgery may significantly decrease the accuracy
of surgical navigation systems. In this paper, we propose an approach to
estimate the deformation of tissue surface from stereo videos in real-time,
which is capable of handling occlusion, smooth surface and fast deformation. We
first use a stereo matching method to extract depth information from stereo
video frames and generate the tissue template, and then estimate the
deformation of the obtained template by minimizing ICP, ORB feature matching
and as-rigid-as-possible (ARAP) costs. The main novelties are twofold: (1) Due
to non-rigid deformation, feature matching outliers are difficult to be removed
by traditional RANSAC methods; therefore we propose a novel 1-point RANSAC and
reweighting method to preselect matching inliers, which handles smooth surfaces
and fast deformations. (2) We propose a novel ARAP cost function based on dense
connections between the control points to achieve better smoothing performance
with limited number of iterations. Algorithms are designed and implemented for
GPU parallel computing. Experiments on ex- and in vivo data showed that this
approach works at an update rate of 15Hz with an accuracy of less than 2.5 mm
on a NVIDIA Titan X GPU.
- Abstract（参考訳）: 手術時の組織変形は手術ナビゲーションシステムの精度を著しく低下させる可能性がある。
本稿では, 咬合, 滑らかな表面, 高速変形を処理できるステレオ映像から組織表面の変形をリアルタイムに推定する手法を提案する。
まず,ステレオビデオフレームから深度情報を抽出して組織テンプレートを生成し,icp,orb特徴マッチング,as-rigid-as-possible (arap)コストを最小化し,得られたテンプレートの変形を推定するステレオマッチング手法を提案する。
まず,(1)非剛性変形のため,従来のransac法では特徴マッチングアウトリアーの除去が困難であるため,滑らかな面と高速変形を扱うマッチングイナリアを事前に選択する,新しい1点ransacおよび再重み付け法を提案する。
2) 制御点間の密接な接続に基づく新しいarapコスト関数を提案する。
アルゴリズムはGPU並列コンピューティング用に設計および実装されている。
元とインビボのデータの実験によると、このアプローチはNVIDIA Titan X GPUで2.5mm未満の精度で15Hzの更新速度で動作する。
関連論文リスト
- RD-VIO: Robust Visual-Inertial Odometry for Mobile Augmented Reality in
Dynamic Environments [55.864869961717424]
視覚的・視覚的慣性オドメトリーシステムでは、動的シーンや純粋な回転の問題に対処することが通常困難である。
我々はこれらの問題に対処するためにRD-VIOと呼ばれる新しい視覚-慣性オドメトリーシステム(VIO)を設計する。
論文 参考訳（メタデータ） (2023-10-23T16:30:39Z) - High-fidelity Interpretable Inverse Rig: An Accurate and Sparse Solution
Optimizing the Quartic Blendshape Model [0.0]
本研究では,現実的な人間の顔アニメーションにおける逆リグ問題を解くことで,任意の精度のブレンドシェープリグモデルに適合する手法を提案する。
提案手法は,最先端手法に匹敵するメッシュエラーの解が得られることを示す。
論文 参考訳（メタデータ） (2023-02-09T18:15:08Z) - Fast-SNARF: A Fast Deformer for Articulated Neural Fields [92.68788512596254]
本稿では,標準空間とポーズ空間の正確な対応性を求める,ニューラルフィールドのための新しい調音モジュールFast-SNARFを提案する。
Fast-SNARFはこれまでの研究であるSNARFの代替であり、計算効率は大幅に向上した。
変形マップの学習は多くの3次元人間のアバター法において重要な要素であるため、この研究は3次元仮想人間の実現に向けた重要なステップであると考えている。
論文 参考訳（メタデータ） (2022-11-28T17:55:34Z) - Spatiotemporal Feature Learning Based on Two-Step LSTM and Transformer
for CT Scans [2.3682456328966115]
我々は、新型コロナウイルスの症状分類を徹底的に行うための、新しい、効果的、2段階のアプローチを提案する。
まず,従来のバックボーンネットワークにより,CTスキャンにおける各スライスの意味的特徴埋め込みを抽出する。
そこで我々は,時間的特徴学習を扱うために,LSTMとTransformerベースのサブネットワークを提案する。
論文 参考訳（メタデータ） (2022-07-04T16:59:05Z) - Digital Twin Data Modelling by Randomized Orthogonal Decomposition and Deep Learning [0.0]
デジタルツインは、元のプロセスの振る舞いを反映する主な特徴を持つ代理モデルである。
本稿では,流体の効率的なディジタル双対モデルを作成するための新しい枠組みを提案する。
我々は、最先端の人工知能Deep Learning(DL)を用いて、ディジタルツインモデルのリアルタイム適応キャリブレーションを行う。
論文 参考訳（メタデータ） (2022-06-17T09:45:04Z) - Predicting Loose-Fitting Garment Deformations Using Bone-Driven Motion
Networks [63.596602299263935]
本稿では,骨駆動型モーションネットワークを用いて,ゆるやかな衣服メッシュの変形を対話的に予測する学習アルゴリズムを提案する。
提案手法は,メッシュ変形の予測精度を約20%,ハウスドルフ距離とSTEDで約10%向上させる。
論文 参考訳（メタデータ） (2022-05-03T07:54:39Z) - Fast Strain Estimation and Frame Selection in Ultrasound Elastography
using Machine Learning [5.50791468454604]
本研究では, 大規模トレーニングデータベースの変位場について主成分分析(PCA)を行い, 準静電エラストグラフィーで12の変位モードを学習する手法を提案する。
次に,GLobal Ultrasound Elastography (GLUE) 法を用いて正確な変位像を得る。
提案手法はPCA-GLUEと呼ばれ,初期変位マップの計算においてDPよりも10倍以上高速である。
論文 参考訳（メタデータ） (2021-10-16T21:35:20Z) - Real-time Pose and Shape Reconstruction of Two Interacting Hands With a
Single Depth Camera [79.41374930171469]
本稿では,2つの強く相互作用する手の位置と形状をリアルタイムに再現する新しい手法を提案する。
われわれのアプローチは、有利なプロパティの広範なリスト、すなわちマーカーレスを組み合わせている。
過去の研究で示された複雑性レベルを超える場面で、最先端の結果を示す。
論文 参考訳（メタデータ） (2021-06-15T11:39:49Z) - Sample and Computation Redistribution for Efficient Face Detection [137.19388513633484]
トレーニングデータサンプリングと計算分布戦略は、効率的で正確な顔検出の鍵です。
scrfdf34は、最高の競合製品であるTinaFaceを3.86%(ハードセットでのAP)で上回り、GPU上でVGA解像度画像でmph3$times$より高速です。
論文 参考訳（メタデータ） (2021-05-10T23:51:14Z) - Perceptron Synthesis Network: Rethinking the Action Scale Variances in
Videos [48.57686258913474]
ビデオアクション認識は、固定サイズの3Dカーネルを積み重ねたCNNによって部分的に解決されている。
データから最適なスケールのカーネルを学習することを提案する。
固定サイズのカーネルの袋からカーネルを生成するために,テキスト分割パーセプトロンシンセサイザーを提案する。
論文 参考訳（メタデータ） (2020-07-22T14:22:29Z) - Real-time Dense Reconstruction of Tissue Surface from Stereo Optical
Video [10.181846237133167]
立体光学ビデオから組織表面の高密度3次元モデル(3次元)をリアルタイムに再構成する手法を提案する。
まずステレオマッチングを用いてビデオフレームから3D情報を抽出し,再構成した3Dモデルをモザイクする。
2mm未満の精度で高分解能テクスチャを有する復元3Dモデルについて, 生体内および生体内データによる実験結果を得た。
論文 参考訳（メタデータ） (2020-07-16T19:14:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。