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
- Novel 3D Binary Indexed Tree for Volume Computation of 3D Reconstructed Models from Volumetric Data [0.0]
我々はCT(Computed tomography)やMR(Magnetic resonance)から得られたデータの内在体積を効率的に計算するアルゴリズムを開発した。
提案アルゴリズムは,Fenwickツリーを作成するための再構成アルゴリズムと同時に,スキャン行順でデータを処理し,クエリ時間をはるかに早くし,スライシングやトランスフォーメーションモデルのユーザ版を支援する。
論文 参考訳(メタデータ) (2024-12-11T11:29:53Z) - Lightplane: Highly-Scalable Components for Neural 3D Fields [54.59244949629677]
Lightplane RenderとSplatterは2D-3Dマッピングにおけるメモリ使用量を大幅に削減した。
これらのイノベーションは、メモリと計算コストの少ない、はるかに高解像度で高解像度の画像の処理を可能にする。
論文 参考訳(メタデータ) (2024-04-30T17:59:51Z) - SpatialTracker: Tracking Any 2D Pixels in 3D Space [71.58016288648447]
本稿では,画像投影による問題点を軽減するために,3次元空間における点軌道の推定を提案する。
この手法はSpatialTrackerと呼ばれ、2Dピクセルをモノクロ深度推定器を用いて3Dにリフトする。
3Dでのトラッキングにより、ピクセルを異なる剛性部分にクラスタ化する剛性埋め込みを同時に学習しながら、ARAP(as-rigid-as-possible)制約を活用することができます。
論文 参考訳(メタデータ) (2024-04-05T17:59:25Z) - Identifying Unnecessary 3D Gaussians using Clustering for Fast Rendering of 3D Gaussian Splatting [2.878831747437321]
3D-GSは、速度と画質の両方においてニューラル放射場(NeRF)を上回った新しいレンダリングアプローチである。
本研究では,現在のビューをレンダリングするために,不要な3次元ガウスをリアルタイムに識別する計算量削減手法を提案する。
Mip-NeRF360データセットの場合、提案手法は2次元画像投影の前に平均して3次元ガウスの63%を排除し、ピーク信号対雑音比(PSNR)を犠牲にすることなく全体のレンダリングを約38.3%削減する。
提案されたアクセラレータは、GPUと比較して10.7倍のスピードアップも達成している。
論文 参考訳(メタデータ) (2024-02-21T14:16:49Z) - Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。
本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
論文 参考訳(メタデータ) (2022-07-09T09:14:12Z) - Super Images -- A New 2D Perspective on 3D Medical Imaging Analysis [0.0]
トレーニング中に3次元知識を効率的に埋め込んで3次元データを扱うための,シンプルで効果的な2次元手法を提案する。
本手法は3次元画像にスライスを並べて超高分解能画像を生成する。
2次元ネットワークのみを利用した3次元ネットワークを実現する一方で、モデルの複雑さはおよそ3倍に減少する。
論文 参考訳(メタデータ) (2022-05-05T09:59:03Z) - 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) - 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) - Using the discrete radon transformation for grayscale image moments [0.0]
グレースケール画像の生画像モーメントを計算するために離散ラドン変換を用いたアルゴリズムの概要を述べる。
2次元モーメント計算を1次元モーメント計算の線形結合に還元する。
その結果,O(N + M) の倍数化はO(N + M) を高速にし,最も広く使われている生画像モーメントのアルゴリズムであることが判明した。
論文 参考訳(メタデータ) (2020-08-25T14:55:53Z) - Pix2Vox++: Multi-scale Context-aware 3D Object Reconstruction from
Single and Multiple Images [56.652027072552606]
Pix2Vox++という,単一ビューと複数ビューの3Dオブジェクト再構成のための新しいフレームワークを提案する。
良く設計されたエンコーダデコーダを用いて、各入力画像から粗い3Dボリュームを生成する。
次に、マルチスケールコンテキスト対応融合モジュールを導入し、全ての粗い3Dボリュームから異なる部分の高品質な再構成を適応的に選択し、融合した3Dボリュームを得る。
論文 参考訳(メタデータ) (2020-06-22T13:48:09Z)
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。