論文の概要: Direct Simultaneous Multi-Image Registration
- arxiv url: http://arxiv.org/abs/2105.10087v1
- Date: Fri, 21 May 2021 01:42:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 12:43:10.549139
- Title: Direct Simultaneous Multi-Image Registration
- Title（参考訳）: 直接同時マルチイメージ登録
- Authors: Zhehua Mao, Liang Zhao, Shoudong Huang, Yiting Fan, and Alex Pui-Wai
Lee
- Abstract要約: 直接同時登録(Direct Simultaneous Registration, DSR)と呼ばれる, モノモーダル3D画像のコレクションを同時登録する新しいアルゴリズムを提案する。
提案手法は従来の逐次登録法よりも精度が高く, 得られた結果から, 画像中のアライメントが良好であることが示唆された。
- 参考スコア（独自算出の注目度）: 13.187337950894136
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel algorithm that registers a collection of
mono-modal 3D images in a simultaneous fashion, named as Direct Simultaneous
Registration (DSR). The algorithm optimizes global poses of local frames
directly based on the intensities of images (without extracting features from
the images). To obtain the optimal result, we start with formulating a Direct
Bundle Adjustment (DBA) problem which jointly optimizes pose parameters of
local frames and intensities of panoramic image. By proving the independence of
the pose from panoramic image in the iterative process, DSR is proposed and
proved to be able to generate the same optimal poses as DBA, but without
optimizing the intensities of the panoramic image. The proposed DSR method is
particularly suitable in mono-modal registration and in the scenarios where
distinct features are not available, such as Transesophageal Echocardiography
(TEE) images. The proposed method is validated via simulated and in-vivo 3D TEE
images. It is shown that the proposed method outperforms conventional
sequential registration method in terms of accuracy and the obtained results
can produce good alignment in in-vivo images.
- Abstract（参考訳）: 本稿では,DSR(Direct Simultaneous Registration)という,モノモーダルな3D画像のコレクションを同時登録するアルゴリズムを提案する。
アルゴリズムは(画像から特徴を抽出することなく)画像の強度に基づいて、ローカルフレームのグローバルポーズを直接最適化する。
最適な結果を得るために、局所フレームのポーズパラメータとパノラマ画像の強度を協調的に最適化する直接バンドル調整(DBA)問題を定式化することから始める。
反復過程におけるパノラマ画像からのポーズの独立性を証明することにより、DSRはパノラマ画像の強度を最適化することなく、DBAと同じ最適なポーズを生成することができることを示した。
提案するdsr法は,単調登録や,経食道心エコー図 (tee) 画像などの異なる特徴が得られないシナリオに特に適している。
提案手法はシミュレーションおよびin-vivo 3d tee画像を用いて検証する。
提案手法は,従来の逐次登録法よりも精度が高く,得られた結果から画像中のアライメントが良好であることを示す。
関連論文リスト
- OrientDream: Streamlining Text-to-3D Generation with Explicit Orientation Control [66.03885917320189]
OrientDreamは、テキストプロンプトから効率よくマルチビューで一貫した3D生成のためのカメラ指向条件付きフレームワークである。
本戦略は,2次元テキスト・画像拡散モジュールの事前学習におけるカメラ配向条件付き機能の実装を強調する。
提案手法は,一貫したマルチビュー特性を持つ高品質なNeRFモデルを生成するだけでなく,既存手法よりも最適化速度が大幅に向上することを示した。
論文 参考訳（メタデータ） (2024-06-14T13:16:18Z) - CM-MaskSD: Cross-Modality Masked Self-Distillation for Referring Image
Segmentation [29.885991324519463]
本稿では,CM-MaskSD という新しいクロスモーダルマスク型自己蒸留フレームワークを提案する。
提案手法は,CLIPモデルから画像テキストセマンティックアライメントの伝達知識を継承し,きめ細かいパッチワード特徴アライメントを実現する。
我々のフレームワークはパラメータフリーに近い方法でモデル性能を大幅に向上させることができる。
論文 参考訳（メタデータ） (2023-05-19T07:17:27Z) - Breaking Modality Disparity: Harmonized Representation for Infrared and
Visible Image Registration [66.33746403815283]
シーン適応型赤外線と可視画像の登録を提案する。
我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。
我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
論文 参考訳（メタデータ） (2023-04-12T06:49:56Z) - Primitive Simultaneous Optimization of Similarity Metrics for Image
Registration [11.928304177787604]
本稿では,原始和法により実装された登録メトリクスの同時最適化が,画像登録に有効かどうかを検討する。
専門神経放射線医の目印アノテーションを用いたTREによる登録精度の向上を実証した。
論文 参考訳（メタデータ） (2023-04-04T07:43:56Z) - Semantic Image Synthesis via Diffusion Models [159.4285444680301]
Denoising Diffusion Probabilistic Models (DDPM) は様々な画像生成タスクにおいて顕著な成功を収めた。
セマンティック画像合成に関する最近の研究は、主に「GAN(Generative Adversarial Nets)」に追従している。
論文 参考訳（メタデータ） (2022-06-30T18:31:51Z) - A Fast Alternating Minimization Algorithm for Coded Aperture Snapshot
Spectral Imaging Based on Sparsity and Deep Image Priors [8.890754092562918]
Coded Aperture snapshot Spectrum Imaging (CASSI)は、3次元ハイパースペクトル画像(HSI)を再構成する技術である。
本稿では,自然画像の空間と深部画像の先行値(Fama-P)に基づいて,高速な変動最小化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-06-12T03:29:14Z) - Dual-Flow Transformation Network for Deformable Image Registration with
Region Consistency Constraint [95.30864269428808]
現在のディープラーニング(DL)ベースの画像登録アプローチは、畳み込みニューラルネットワークを利用して、ある画像から別の画像への空間変換を学習する。
一対のイメージ内のROIの類似性を最大化する領域整合性制約を持つ新しいデュアルフロー変換ネットワークを提案する。
4つの公開3次元MRIデータセットを用いた実験により,提案手法は精度と一般化において最高の登録性能が得られることを示した。
論文 参考訳（メタデータ） (2021-12-04T05:30:44Z) - IMAGINE: Image Synthesis by Image-Guided Model Inversion [79.4691654458141]
IMGE-Guided Model INvErsion (IMAGINE) と呼ばれるインバージョンベースの手法を導入し、高品質で多様な画像を生成します。
我々は,事前学習した分類器から画像意味論の知識を活用し,妥当な世代を実現する。
IMAGINEは,1)合成中の意味的特異性制約を同時に実施し,2)ジェネレータトレーニングなしでリアルな画像を生成し,3)生成過程を直感的に制御する。
論文 参考訳（メタデータ） (2021-04-13T02:00:24Z) - INSPIRE: Intensity and Spatial Information-Based Deformable Image
Registration [3.584984184069584]
INSPIREは、変形可能な画像登録のためのトップパフォーマンス汎用方法です。
提案手法は, 精度が高く, 安定かつ頑健な登録結果を提供する。
また,脳の3次元画像の4つのベンチマークデータセットを用いて,2088対のペア登録を行った。
論文 参考訳（メタデータ） (2020-12-14T01:51:59Z) - Learning Deformable Image Registration from Optimization: Perspective,
Modules, Bilevel Training and Beyond [62.730497582218284]
マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。
我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
論文 参考訳（メタデータ） (2020-04-30T03:23:45Z)
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。