論文の概要: Fast 3D Image Moments

• arxiv url: http://arxiv.org/abs/2012.08099v1
• Date: Tue, 15 Dec 2020 05:24:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-08 11:55:06.364211
• Title: Fast 3D Image Moments
• Title（参考訳）: 高速3d画像モーメント
• Authors: William Diggin and Michael Diggin
• Abstract要約: ボリューム画像のモーメントを効率的に計算するアルゴリズムを開示する。 このアルゴリズムは乗法複雑性を O(n3) から O(n) に還元する
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An algorithm to efficiently compute the moments of volumetric images is disclosed. The approach demonstrates a reduction in processing time by reducing the computational complexity significantly. Specifically, the algorithm reduces multiplicative complexity from O(n^3) to O(n). Several 2D projection images of the 3D volume are generated. The algorithm computes a set of 2D moments from those 2D images. Those 2D moments are then used to derive the 3D volumetric moments. Examples of use in MRI or CT and related analysis demonstrates the benefit of the Discrete Projection Moment Algorithm. The approach is also useful in computing the moments of a 3D object using a small set of 2D tomographic images of that object.
• Abstract（参考訳）: ボリューム画像のモーメントを効率的に計算するアルゴリズムを開示する。 このアプローチは、計算複雑性を著しく減らし、処理時間の短縮を示す。 具体的には、アルゴリズムは乗法複雑性を O(n^3) から O(n) に還元する。 3次元ボリュームの2次元投影画像が複数生成される。 アルゴリズムはこれらの2D画像から一連の2Dモーメントを計算する。 これらの2Dモーメントは、3Dボリュームモーメントを導出するために使用される。 mriやctでの使用例や関連する分析では、離散射影モーメントアルゴリズムの利点が示されている。 このアプローチは、そのオブジェクトの2Dトモグラフィー画像の小さなセットを使用して、3Dオブジェクトのモーメントを計算するのにも有用である。

関連論文リスト

• RiCS: A 2D Self-Occlusion Map for Harmonizing Volumetric Objects [68.85305626324694]
  カメラ空間における光マーチング (RiCS) は、3次元における前景物体の自己閉塞を2次元の自己閉塞マップに表現する新しい手法である。 表現マップは画像の質を高めるだけでなく,時間的コヒーレントな複雑な影効果をモデル化できることを示す。
  論文  参考訳（メタデータ） (2022-05-14T05:35:35Z)
• Segmentation with Super Images: A New 2D Perspective on 3D Medical Image Analysis [0.0]
  本稿では,2次元スーパーイメージにボリュームデータをキャストし,セグメンテーションタスクに2次元ネットワークを用いることを提案する。 この方法は、スライスを並べて3D画像を処理し、超解像度画像を生成する。 深度情報は失われていますが、深度ニューラルネットワークがこれらの特徴を捕捉し、学習できると期待しています。
  論文  参考訳（メタデータ） (2022-05-05T09:59:03Z)
• Sketched RT3D: How to reconstruct billions of photons per second [12.212273177719227]
  単光子光の検出と測光(ライダー)は、3Dシーンの深さと強度情報をキャプチャする。 観測された光子からシーンを再構成することは、背景照明源に付随する急激な検出のために難しい課題である。 本稿では,空間的に正規化された再構成を実現するために点雲デノイザを用いた最新の最先端アルゴリズムのスケッチ版を提案する。
  論文  参考訳（メタデータ） (2022-03-02T09:02:52Z)
• GPU optimization of the 3D Scale-invariant Feature Transform Algorithm and a Novel BRIEF-inspired 3D Fast Descriptor [5.1537294207900715]
  本研究は,大規模な医用画像データからの機械学習を目的として,SIFTアルゴリズムの高効率実装について述べる。 3D SIFTコードの主要な操作は、畳み込み、サブサンプリング、スケールスペースピラミッドからの4Dピーク検出を含むグラフィックス処理ユニット(GPU)上に実装されている。 パフォーマンス改善は、異なる人の3D MRI人間の脳量を用いて、キーポイント検出と画像と画像のマッチング実験で定量化される。
  論文  参考訳（メタデータ） (2021-12-19T20:56:40Z)
• Accelerate 3D Object Processing via Spectral Layout [1.52292571922932]
  本稿では,3次元オブジェクトに重要な情報を2次元空間に包含する手法を提案する。 提案手法は3Dオブジェクトに対して高品質な2D表現を実現し,3Dオブジェクトの処理に2Dベースの手法を用いることができる。
  論文  参考訳（メタデータ） (2021-10-25T03:18:37Z)
• AutoShape: Real-Time Shape-Aware Monocular 3D Object Detection [15.244852122106634]
  形状認識型2D/3D制約を3D検出フレームワークに組み込む手法を提案する。 具体的には、ディープニューラルネットワークを用いて、2次元画像領域の区別された2Dキーポイントを学習する。 2D/3Dキーポイントの基礎的真理を生成するために、自動的なモデル適合手法が提案されている。
  論文  参考訳（メタデータ） (2021-08-25T08:50:06Z)
• Unsupervised Learning of Fine Structure Generation for 3D Point Clouds by 2D Projection Matching [66.98712589559028]
  微細な構造を持つ3次元点雲生成のための教師なしアプローチを提案する。 本手法は2次元シルエット画像から異なる解像度で微細な3次元構造を復元することができる。
  論文  参考訳（メタデータ） (2021-08-08T22:15:31Z)
• Weakly Supervised Volumetric Image Segmentation with Deformed Templates [80.04326168716493]
  対象対象物の表面にスパースな3次元点のセットのみを提供する必要があるという意味で、真に弱い教師付きアプローチを提案する。 監督コストの削減により、3Dの弱スーパービジョンに対する従来のアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-07T22:09:34Z)
• Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
  質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。 以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
  論文  参考訳（メタデータ） (2021-04-21T00:35:32Z)
• PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
  既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。 この2つのタスクを同一のメトリック空間で統一するモデルを提案する。 提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-01-17T05:11:38Z)
• Displacement-Invariant Cost Computation for Efficient Stereo Matching [122.94051630000934]
  ディープラーニング手法は、前例のない不一致の精度を得ることによって、ステレオマッチングのリーダーボードを支配してきた。 しかし、その推測時間は一般的に540p画像の秒数で遅い。 本研究では,4次元特徴量を必要としないEmphdisplacement-invariant cost moduleを提案する。
  論文  参考訳（メタデータ） (2020-12-01T23:58:16Z)

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。