論文の概要: Cutting Voxel Projector a New Approach to Construct 3D Cone Beam CT Operator
- arxiv url: http://arxiv.org/abs/2110.09841v2
- Date: Mon, 25 Nov 2024 12:40:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-26 14:13:52.862059
- 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: Vojtěch Kulvait, Julian Moosmann, Georg Rose,
- 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。
本手法は, ボクセルの局所改質を可能にし, 適応格子分解能と再構成品質の向上を実現する。
その結果, カットボクセルプロジェクターはTTプロジェクターよりも精度が高く, 特にコーンビーム角が大きいことが判明した。
- 参考スコア（独自算出の注目度）: 0.10923877073891444
- License:
- Abstract: In this paper, we introduce a novel class of projectors for 3D cone beam tomographic reconstruction. Analytical formulas are derived to compute the relationship between the volume of a voxel projected onto a detector pixel and its contribution to the line integral of attenuation recorded by that pixel. Based on these formulas, we construct a near-exact projector and backprojector, particularly suited for algebraic reconstruction techniques and hierarchical reconstruction approaches with nonuniform voxel grids. Unlike traditional projectors, which assume a uniform grid with fixed voxel sizes, our method enables local refinement of voxels, allowing for adaptive grid resolution and improved reconstruction quality in regions of interest. We have implemented this cutting voxel projector along with a relaxed, speed-optimized version and compared them to two established projectors: a ray-tracing projector based on Siddon's algorithm and a TT footprint projector. Our results demonstrate that the cutting voxel projector achieves higher accuracy than the TT projector, especially for large cone beam angles. Furthermore, the relaxed version of the cutting voxel projector offers a significant speed advantage over current footprint projector implementations, while maintaining comparable accuracy. In contrast, Siddon's algorithm, when achieving similar accuracy, is considerably slower than the cutting voxel projector. All algorithms are implemented in an open-source framework for algebraic reconstruction using OpenCL and C++, optimized for efficient GPU computation. GitHub repository of the project 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。
解析式は、検出器画素に投影されたボクセルの体積と、その画素によって記録された減衰の線積分への寄与の関係を計算するために導かれる。
特に代数的再構成手法や非一様ボクセル格子を用いた階層的再構成手法に適している。
固定されたボクセルサイズを持つ一様格子を仮定する従来のプロジェクタとは異なり、本手法はボクセルの局所的な精細化を可能にし、適応的なグリッド解像度を実現し、興味のある領域の再構成品質を向上させる。
我々は、この切断ボクセルプロジェクターと、緩和された速度最適化バージョンを実装し、それらを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比較した。
以上の結果から, カットボクセルプロジェクターはTTプロジェクターよりも精度が高く, 特にコーンビーム角が大きいことが示唆された。
さらに、カットボクセルプロジェクターの緩和バージョンは、同等の精度を維持しながら、現在のフットプリントプロジェクター実装よりも大幅に高速である。
対照的に、Siddonのアルゴリズムは、類似の精度を達成する際に、切削ボクセルプロジェクターよりもかなり遅い。
すべてのアルゴリズムは、OpenCLとC++を使った代数的再構成のためのオープンソースのフレームワークで実装され、効率的なGPU計算に最適化されている。
GitHubリポジトリ https://github.com/kulvait/KCT_cbct。
関連論文リスト
- Projecting Gaussian Ellipsoids While Avoiding Affine Projection Approximation [1.4792750204228]
3D Gaussian Splattingは、リアルタイムレンダリング速度と最先端レンダリング品質で新規ビュー合成を支配している。
画像面上にガウス楕円体を投影する楕円体投影法を提案する。
複数の広く採用されているベンチマークデータセットに対する実験により、楕円体ベースの投影法は、3Dガウススプラッティングとその拡張のレンダリング品質を向上させることができることが示された。
論文 参考訳（メタデータ） (2024-11-12T06:29:48Z) - UniVoxel: Fast Inverse Rendering by Unified Voxelization of Scene Representation [66.95976870627064]
We design a Unified Voxelization framework for explicit learning of scene representations, called UniVoxel。
そこで本研究では,シーンの形状,材料,照明を軽量ニューラルネットワークで容易に学習できるため,シーンを潜在容積表現に符号化することを提案する。
実験の結果、UniVoxelは他の方法と比較して最適化効率を著しく向上させ、シーンごとのトレーニング時間を数時間から18分に短縮し、良好な再現性を実現した。
論文 参考訳（メタデータ） (2024-07-28T17:24:14Z) - GIR: 3D Gaussian Inverse Rendering for Relightable Scene Factorization [62.13932669494098]
本稿では,3次元ガウス表現を用いた3次元ガウス逆レンダリング(GIR)手法を提案する。
最短固有ベクトルを用いて各3次元ガウスの正規性を計算する。
我々は3次元ガウシアン毎に方向対応の放射光を格納し、多重バウンス光輸送を近似するために二次照明をアンタングルするために、効率的なボクセルベースの間接照明追跡方式を採用する。
論文 参考訳（メタデータ） (2023-12-08T16:05:15Z) - 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) - 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) - Novel projection schemes for graph-based Light Field coding [0.10499611180329801]
本稿では、2つの新しいプロジェクションスキームを導入し、不一致情報の誤りを少なくする。
1つのプロジェクションスキームは、エンコーダとデコーダの両方の時間計算を著しく削減することができる。
論文 参考訳（メタデータ） (2022-06-09T08:10:22Z) - 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) - 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。