論文の概要: Cutting Voxel Projector a New Approach to Construct 3D Cone Beam CT
Operator
- arxiv url: http://arxiv.org/abs/2110.09841v1
- Date: Tue, 19 Oct 2021 10:54:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-20 19:45:10.561001
- Title: Cutting Voxel Projector a New Approach to Construct 3D Cone Beam CT
Operator
- Title(参考訳): 3次元コーンビームCT演算子構築のための新しいボクセルプロジェクタ
- Authors: Vojt\v{e}ch Kulvait (1), Georg Rose (1) ((1) Institute for Medical
Engineering and Research Campus STIMULATE, University of Magdeburg,
Magdeburg, Germany)
- Abstract要約: 我々は3次元コーンビームトモグラフィ再構成のための新しいプロジェクターのクラスを導入する。
我々は,与えられた検出器画素に投影されたボクセル体積と,その画素上で検出された消去値への寄与との関係を解析式を用いて解析した。
我々は、特に代数的再構成技術に使用できるほぼコンパクトなプロジェクタとバックプロジェクタを構築した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In this paper, we introduce a new class of projectors for 3D cone beam
tomographic reconstruction. We find analytical formulas for the relationship
between the voxel volume projected onto a given detector pixel and its
contribution to the extinction value detected on that pixel. Using this
approach, we construct a near-exact projector and backprojector that can be
used especially for algebraic reconstruction techniques. We have implemented
this cutting voxel projector and a less accurate, speed-optimized version of it
together with two established projectors, a ray tracing projector based on
Siddon's algorithm and a TT footprint projector. We show that the cutting voxel
projector achieves, especially for large cone beam angles, noticeably higher
accuracy than the TT projector. Moreover, our implementation of the relaxed
version of the cutting voxel projector is significantly faster than current
footprint projector implementations. We further show that Siddon's algorithm
with comparable accuracy would be much slower than the cutting voxel projector.
All algorithms are implemented within an open source framework for algebraic
reconstruction in OpenCL 1.2 and C++ and are optimized for GPU computation.
They are published as open-source software under the GNU GPL 3 license, see
https://github.com/kulvait/KCT_cbct.
- Abstract(参考訳): 本稿では,3次元コーンビームトモグラフィ再構成のための新しいプロジェクタについて紹介する。
与えられた検出器画素に投影されたボクセル体積と、その画素に検出された絶滅値への寄与との関係に関する解析式を求める。
このアプローチを用いることで、特に代数的再構成技術に使用できるほぼコンパクトなプロジェクタとバックプロジェクタを構築する。
Siddonのアルゴリズムに基づくレイトレーシングプロジェクターとTTフットプリントプロジェクターの2つの既存のプロジェクターとともに、この切断ボクセルプロジェクターと、より精度の低い速度最適化バージョンを実装した。
カットボクセルプロジェクターは、特に大きなコーンビーム角に対して、TTプロジェクターよりも顕著に高い精度で達成できることを示す。
さらに,カットボクセルプロジェクタの緩和版の実装は,現在のフットプリントプロジェクタ実装よりもはるかに高速である。
さらに、Siddonのアルゴリズムの精度は、カットボクセルプロジェクターよりもはるかに遅くなることを示した。
すべてのアルゴリズムはOpenCL 1.2とC++の代数的再構成のためのオープンソースフレームワーク内に実装され、GPU計算に最適化されている。
GNU GPL 3ライセンスの下でオープンソースソフトウェアとして公開されており、https://github.com/kulvait/KCT_cbctを参照。
関連論文リスト
- Radiative Gaussian Splatting for Efficient X-ray Novel View Synthesis [92.69532644965663]
我々は,X線ノベルビュー可視化のための3次元ガウシアンスプラッティングに基づくフレームワーク,すなわちX-ガウシアンを提案する。
実験の結果,X-Gaussianは6.5dBの最先端手法より優れており,トレーニング時間は15%未満であり,推論速度は73倍であることがわかった。
論文 参考訳(メタデータ) (2024-03-07T00:12:08Z) - CompenHR: Efficient Full Compensation for High-resolution Projector [68.42060996280064]
プロジェクター補償はプロジェクターカメラシステムの実用的なタスクである。
プロジェクター入力画像、名前付き補償画像を見つけることを目的としており、プロジェクターが投影されると幾何学的および測光的歪みがキャンセルされる。
最先端の手法では、ディープラーニングを使ってこの問題に対処し、低解像度のセットアップで有望なパフォーマンスを示す。
しかし、ディープラーニングを高精細なセットアップに直接適用することは、長いトレーニング時間と高いメモリコストのために現実的ではない。
論文 参考訳(メタデータ) (2023-11-22T14:13:27Z) - Differentiable Forward Projector for X-ray Computed Tomography [6.1868857343691115]
データ駆動型深層学習は、様々な計算トモグラフィー再構成問題にうまく適用されている。
本稿では,予測画像と元の計測値との整合性を確保するために,精度の高い前方・後方プロジェクションソフトウェアライブラリを提案する。
論文 参考訳(メタデータ) (2023-07-11T20:52:46Z) - Neural Projection Mapping Using Reflectance Fields [11.74757574153076]
我々は、プロジェクターを神経反射場に導入し、プロジェクターを校正し、リアルな光編集を行う。
私たちのニューラルネットワークは3つのニューラルネットワークで構成されています。
ニューラルプロジェクションマッピングは、シーンとプロジェクションイメージの共同最適化を通じて、新規でエキサイティングな下流タスクへの扉を開くと信じている。
論文 参考訳(メタデータ) (2023-06-11T05:33:10Z) - Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
多視点画像観測による材料と照明の協調最適化手法を提案する。
従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
論文 参考訳(メタデータ) (2021-11-24T13:58:20Z) - Directionally Decomposing Structured Light for Projector Calibration [22.062182997296805]
プロジェクションマッピング(PM)の適用においては、固有のプロジェクターキャリブレーションが不可欠である。
本稿では、プロジェクターレンズの前方に最小限の作業量を必要とする実用的校正装置を提案する。
従来の手法と同じ精度で焦点距離と開口径の異なるプロジェクターをキャリブレーションできることを実証した。
論文 参考訳(メタデータ) (2021-10-08T06:44:01Z) - End-to-end Full Projector Compensation [81.19324259967742]
完全なプロジェクター補償は、プロジェクター入力画像を変更して、プロジェクター表面の幾何学的および測光的乱れを補償することを目的としている。
本稿では,この2つの問題を共同で解くために,CompenNeSt++というエンド・ツー・エンドの微分可能な最初のソリューションを提案する。
論文 参考訳(メタデータ) (2020-07-30T18:23:52Z) - 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) - Learning to Accelerate Decomposition for Multi-Directional 3D Printing [31.658049974100088]
多方向3Dプリンティングは、サポート構造の必要性を減らしたり、取り除いたりすることができる。
近年の研究では、平面クリッピングの最適化シーケンスを見つけるためのビーム誘導探索アルゴリズムが提案されている。
そこで本研究では,ビーム誘導探索を高速化する学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-03-17T18:37:44Z) - DeProCams: Simultaneous Relighting, Compensation and Shape
Reconstruction for Projector-Camera Systems [91.45207885902786]
本稿では,ProCamsの測光および幾何学的マッピングを学習するために,DeProCamsという新しいエンドツーエンドトレーニングモデルを提案する。
DeProCamsは、プロジェクターカメライメージマッピングを、シェーディング属性推定、粗い直接光推定、フォトリアリスティックなニューラルレンダリングの3つのサブプロセスに明示的に分解する。
私たちの実験では、DeProCamsは、期待できる品質と完全に差別化可能な従来の芸術よりも明確な優位性を示している。
論文 参考訳(メタデータ) (2020-03-06T05:49:16Z)
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。