論文の概要: Multi-Slice Fusion for Sparse-View and Limited-Angle 4D CT Reconstruction

• arxiv url: http://arxiv.org/abs/2008.01567v3
• Date: Sat, 20 Feb 2021 01:06:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 01:03:27.001892
• Title: Multi-Slice Fusion for Sparse-View and Limited-Angle 4D CT Reconstruction
• Title（参考訳）: Sparse-View と Limited-Angle 4D CT に対する Multi-Slice Fusion の使用経験
• Authors: Soumendu Majee, Thilo Balke, Craig A.J. Kemp, Gregery T. Buzzard, Charles A. Bouman
• Abstract要約: 複数の低次元デノイザの融合に基づく新しい4次元再構成アルゴリズムであるマルチスライス融合を提案する。 分散異種クラスタ上でのマルチスライス融合を実装し,大規模な4次元ボリュームを適切な時間で再構築する。
• 参考スコア（独自算出の注目度）: 3.045887205265198
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inverse problems spanning four or more dimensions such as space, time and other independent parameters have become increasingly important. State-of-the-art 4D reconstruction methods use model based iterative reconstruction (MBIR), but depend critically on the quality of the prior modeling. Recently, plug-and-play (PnP) methods have been shown to be an effective way to incorporate advanced prior models using state-of-the-art denoising algorithms. However, state-of-the-art denoisers such as BM4D and deep convolutional neural networks (CNNs) are primarily available for 2D or 3D images and extending them to higher dimensions is difficult due to algorithmic complexity and the increased difficulty of effective training. In this paper, we present multi-slice fusion, a novel algorithm for 4D reconstruction, based on the fusion of multiple low-dimensional denoisers. Our approach uses multi-agent consensus equilibrium (MACE), an extension of plug-and-play, as a framework for integrating the multiple lower-dimensional models. We apply our method to 4D cone-beam X-ray CT reconstruction for non destructive evaluation (NDE) of samples that are dynamically moving during acquisition. We implement multi-slice fusion on distributed, heterogeneous clusters in order to reconstruct large 4D volumes in reasonable time and demonstrate the inherent parallelizable nature of the algorithm. We present simulated and real experimental results on sparse-view and limited-angle CT data to demonstrate that multi-slice fusion can substantially improve the quality of reconstructions relative to traditional methods, while also being practical to implement and train.
• Abstract（参考訳）: 空間、時間、その他の独立したパラメータといった4次元以上の逆問題の重要性が高まっている。 最新の4D再構成手法は, モデルベース反復再構成(MBIR)を用いるが, 先行モデルの品質に大きく依存する。 近年、プラグ・アンド・プレイ(pnp)法は最先端の先行モデルを最先端のデノイジングアルゴリズムを用いて組み込む効果的な方法であることが示されている。 しかし、bm4dやdeep convolutional neural networks (cnns)のような最先端のデノイザは、主に2dや3dイメージで利用可能であり、アルゴリズムの複雑さと効果的なトレーニングの困難さのため、それらを高次元に拡張することは困難である。 本稿では,複数の低次元デノイザの融合に基づく,新しい4次元再構成アルゴリズムであるmulti-slice fusionを提案する。 提案手法では,複数の低次元モデルを統合するためのフレームワークとして,プラグアンドプレイの拡張であるマルチエージェントコンセンサス均衡(mace)を用いる。 取得時に動的に移動する試料の非破壊的評価(NDE)のための4次元コーンビームX線CT再構成に本手法を適用した。 分散異種クラスタ上でのマルチスライス融合を実装し,大規模な4次元ボリュームを適切な時間で再構成し,アルゴリズム固有の並列化性を示す。 そこで本研究では,sparse-view および limited-angle ct データのシミュレーションおよび実実験を行い,マルチスライス融合が従来の手法と比較し,再現性を大幅に向上できることを示す。

関連論文リスト

• 4Diffusion: Multi-view Video Diffusion Model for 4D Generation [55.82208863521353]
  現在の4D生成法は, 高度な拡散生成モデルの助けを借りて, 有意義な有効性を実現している。 モノクロビデオから空間的・時間的に一貫した4Dコンテンツを生成することを目的とした,新しい4D生成パイプライン,すなわち4Diffusionを提案する。
  論文  参考訳（メタデータ） (2024-05-31T08:18:39Z)
• EG4D: Explicit Generation of 4D Object without Score Distillation [105.63506584772331]
  DG4Dは、スコア蒸留なしで高品質で一貫した4Dアセットを生成する新しいフレームワークである。 私たちのフレームワークは、世代品質のベースラインをかなりのマージンで上回ります。
  論文  参考訳（メタデータ） (2024-05-28T12:47:22Z)
• Diffusion4D: Fast Spatial-temporal Consistent 4D Generation via Video Diffusion Models [116.31344506738816]
  高速でスケーラブルな4Dコンテンツ生成のための新しいフレームワーク textbfDiffusion4D を提案する。 ダイナミックな3Dアセットの軌道ビューを合成できる4D対応ビデオ拡散モデルを開発した。 提案手法は, 生成効率と4次元幾何整合性の観点から, 従来の最先端技術を超えている。
  論文  参考訳（メタデータ） (2024-05-26T17:47:34Z)
• Distributed Stochastic Optimization of a Neural Representation Network for Time-Space Tomography Reconstruction [4.689071714940848]
  X線CT(Computerd tomography)を用いた動的事象や変形物体の4次元時間空間再構成は、非常に不適切な逆問題である。 既存のアプローチでは、オブジェクトは数千から数百のX線投影計測画像の間静止していると仮定している。 本稿では,新しい分散学習アルゴリズムを用いて学習した,分散暗黙的ニューラルネットワークを用いた4次元時間空間再構成を提案する。
  論文  参考訳（メタデータ） (2024-04-29T19:41:51Z)
• MVD-Fusion: Single-view 3D via Depth-consistent Multi-view Generation [54.27399121779011]
  本稿では,多視点RGB-D画像の生成モデルを用いて,単視点3次元推論を行うMVD-Fusionを提案する。 提案手法は,蒸留に基づく3D推論や先行多視点生成手法など,最近の最先端技術と比較して,より正確な合成を実現することができることを示す。
  論文  参考訳（メタデータ） (2024-04-04T17:59:57Z)
• Diffusion$^2$: Dynamic 3D Content Generation via Score Composition of Video and Multi-view Diffusion Models [6.738732514502613]
  Diffusion$2$は動的3Dコンテンツ作成のための新しいフレームワークである。 3次元モデルからの幾何的一貫性と時間的滑らかさに関する知識を精査し、密集した多視点画像を直接サンプリングする。 非常にシームレスで一貫した4Dアセットを生成する上で,提案手法の有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2024-04-02T17:58:03Z)
• MIRT: a simultaneous reconstruction and affine motion compensation technique for four dimensional computed tomography (4DCT) [3.5343621383192128]
  4次元CT(4DCT)では、一連の2次元投影画像から、移動または変形するサンプルの3次元像を再構成する。 近年の反復的動き補償再構成技術は、参照取得を必要とするか、画像再構成と動き推定を交互に行う必要がある。 本研究では,画像再構成とアフィン動作推定を組み合わせた効率的な反復再構成手法として,MIRT(Motion-compensated Iterative Restruction Technique)を提案する。
  論文  参考訳（メタデータ） (2024-02-07T00:10:39Z)
• Motion2VecSets: 4D Latent Vector Set Diffusion for Non-rigid Shape Reconstruction and Tracking [52.393359791978035]
  Motion2VecSetsは点雲列からの動的表面再構成のための4次元拡散モデルである。 グローバルな潜在符号の代わりに、潜在集合で4Dダイナミクスをパラメータ化する。 時間的コヒーレントな物体追跡のために、変形潜在集合を同期的に認知し、複数のフレーム間で情報を交換する。
  論文  参考訳（メタデータ） (2024-01-12T15:05:08Z)
• End-to-End Multi-View Structure-from-Motion with Hypercorrelation Volumes [7.99536002595393]
  この問題に対処するために深層学習技術が提案されている。 我々は現在最先端の2次元構造であるSfM(SfM)のアプローチを改善している。 一般的なマルチビューのケースに拡張し、複雑なベンチマークデータセットDTUで評価する。
  論文  参考訳（メタデータ） (2022-09-14T20:58:44Z)
• LoRD: Local 4D Implicit Representation for High-Fidelity Dynamic Human Modeling [69.56581851211841]
  そこで我々は,LoRDという,動的に衣を着る人間の局所的な4D暗黙表現を提案する。 私たちの重要な洞察は、ネットワークがローカルな部分レベルの表現の潜在コードを学ぶように促すことです。 LoRDは、4D人間を表現する能力が強く、実用上の最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-08-18T03:49:44Z)

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。