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
- 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 [13.250523514249176]
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。
グローバルな潜在子ではなく、潜在子ベクトル集合で4Dダイナミクスをパラメータ化する。
より時間的コヒーレントなオブジェクト追跡のために、変形潜在集合を同期的に識別し、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) - Wonder3D: Single Image to 3D using Cross-Domain Diffusion [105.16622018766236]
Wonder3Dは、単一視点画像から高忠実なテクスチャメッシュを効率的に生成する新しい手法である。
画像から3Dまでのタスクの品質,一貫性,効率性を総括的に改善するため,領域間拡散モデルを提案する。
論文 参考訳(メタデータ) (2023-10-23T15:02:23Z) - Embracing Compact and Robust Architectures for Multi-Exposure Image
Fusion [50.598654017728045]
本稿では,堅牢なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを含む探索型パラダイムを提案する。
シーンリライティングと変形可能な畳み込みを利用して、カメラの動きに拘わらず、画像を正確に調整することができる。
我々は、様々な競争方式と比較して最先端の性能を実現し、一般的なシナリオと不整合シナリオに対するPSNRの4.02%と29.34%の改善を実現した。
論文 参考訳(メタデータ) (2023-05-20T17:01:52Z) - Solving 3D Inverse Problems using Pre-trained 2D Diffusion Models [33.343489006271255]
拡散モデルは、高品質なサンプルを持つ新しい最先端の生成モデルとして登場した。
そこで本研究では, モデルに基づく2次元拡散を, 全次元にわたるコヒーレントな再構成を達成できるように, 実験時の残りの方向で先行する2次元拡散を拡大することを提案する。
提案手法は,1つのコモディティGPU上で動作可能であり,新しい最先端技術を確立する。
論文 参考訳(メタデータ) (2022-11-19T10:32:21Z) - Deep Unfolding of the DBFB Algorithm with Application to ROI CT Imaging
with Limited Angular Density [15.143939192429018]
本稿では,関心領域(ROI)を限定されたCT値から再構成する手法を提案する。
ディープメソッドは高速で、データセットからの情報を活用することで、高いリコンストラクション品質に達することができる。
限られたデータからのROI再構成のために設計されたUDBFBと呼ばれる展開ニューラルネットワークを導入する。
論文 参考訳(メタデータ) (2022-09-27T09:10:57Z) - 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) - Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。
本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
論文 参考訳(メタデータ) (2022-09-01T10:46:09Z) - 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) - Multi-view Depth Estimation using Epipolar Spatio-Temporal Networks [87.50632573601283]
一つのビデオから多視点深度を推定する新しい手法を提案する。
提案手法は,新しいEpipolar Spatio-Temporal Transformer(EST)を用いて時間的コヒーレントな深度推定を行う。
最近のMixture-of-Expertsモデルにインスパイアされた計算コストを削減するため、我々はコンパクトなハイブリッドネットワークを設計する。
論文 参考訳(メタデータ) (2020-11-26T04:04:21Z) - Limited-angle tomographic reconstruction of dense layered objects by
dynamical machine learning [68.9515120904028]
強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。
このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。
我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
論文 参考訳(メタデータ) (2020-07-21T11:48:22Z)
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。