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
- 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) - Fast 3D Volumetric Image Reconstruction from 2D MRI Slices by Parallel
Processing [1.7778609937758323]
ヒト脊髄と脳のMR画像の2次元スライス(2次元)の単一配列からの仮想3次元再構成法を提案する。
われわれのアプローチは、捕獲された物体の内部組織だけでなく、エッジ、形状、大きさの保存に役立ちます。
我々の知る限り、これは2次元スライスからの3次元再構成のためのクリグとマルチプロセッシングに基づく、この種のアプローチの1つである。
論文 参考訳(メタデータ) (2023-03-16T17:39:11Z) - 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) - Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic
Segmentation [87.54570024320354]
大規模運転シーンのLiDARセマンティックセマンティックセグメンテーションのための最先端の手法は、しばしば2D空間の点雲を投影して処理する。
3D-to-2Dプロジェクションの問題に取り組むための簡単な解決策は、3D表現を保ち、3D空間の点を処理することである。
我々は3次元シリンダー分割と3次元シリンダー畳み込みに基づくフレームワークをCylinder3Dとして開発し,3次元トポロジの関係と運転シーンの点雲の構造を利用する。
論文 参考訳(メタデータ) (2020-08-04T13:56:19Z) - 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) - Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled
Representation [57.11299763566534]
空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。
我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。
アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
論文 参考訳(メタデータ) (2020-04-05T12:52:29Z)
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。