論文の概要: Constrained Visual-Inertial Localization With Application And Benchmark
in Laparoscopic Surgery
- arxiv url: http://arxiv.org/abs/2202.11075v1
- Date: Tue, 22 Feb 2022 18:01:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-23 17:22:45.214962
- Title: Constrained Visual-Inertial Localization With Application And Benchmark
in Laparoscopic Surgery
- Title(参考訳): 腹腔鏡下手術における視覚-慣性局在の応用とベンチマーク
- Authors: Regine Hartwig, Daniel Ostler, Jean-Claude Rosenthal, Hubertus
Feu{\ss}ner, Dirk Wilhelm, Dirk Wollherr
- Abstract要約: 本稿では,制約のあるカメラ動作に対する視覚-慣性位置決め問題に対処する新しい手法を提案する。
我々は、グローバルなコスト関数を協調的に最適化するために、異なるモダリティからの残留物を使用する。
適切な医療症例において本手法の利点を検証し,腹部に最小侵襲で手術を施したデータセットを作成した。
- 参考スコア(独自算出の注目度): 5.602880243609329
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We propose a novel method to tackle the visual-inertial localization problem
for constrained camera movements. We use residuals from the different
modalities to jointly optimize a global cost function. The residuals emerge
from IMU measurements, stereoscopic feature points, and constraints on possible
solutions in SE(3). In settings where dynamic disturbances are frequent, the
residuals reduce the complexity of the problem and make localization feasible.
We verify the advantages of our method in a suitable medical use case and
produce a dataset capturing a minimally invasive surgery in the abdomen. Our
novel clinical dataset MITI is comparable to state-of-the-art evaluation
datasets, contains calibration and synchronization and is available at
https://mediatum.ub.tum.de/1621941.
- Abstract(参考訳): 制約のあるカメラ動作に対する視覚-慣性位置決め問題に対処する新しい手法を提案する。
我々は、グローバルコスト関数を共同で最適化するために、異なるモダリティの残差を使用する。
残基は、IMU測定、立体的特徴点、SE(3)の可能な解に対する制約から生じる。
動的乱れが頻発する環境では、残差は問題の複雑さを減らし、局所化を可能にする。
適切な医療症例において本手法の利点を検証し,腹部に最小侵襲で手術を施したデータセットを作成した。
新しい臨床データセットmitiは最先端の評価データセットに匹敵し、キャリブレーションと同期が含まれており、https://mediatum.ub.tum.de/1621941で利用可能である。
関連論文リスト
- Fully Differentiable Correlation-driven 2D/3D Registration for X-ray to
CT Image Fusion [4.1498463236541605]
画像ベース剛性2D/3Dレジストレーションは, 蛍光ガイド下外科手術において重要な技術である。
デュアルブランチCNN変換器エンコーダを用いた完全微分型相関型ネットワークを提案する。
組込み情報に基づく低周波特徴と高周波特徴の分解に対して相関型損失を提案する。
論文 参考訳(メタデータ) (2024-02-04T14:12:51Z) - Cross-Dataset Adaptation for Instrument Classification in Cataract
Surgery Videos [54.1843419649895]
特定のデータセットでこのタスクをうまく実行する最先端モデルでは、別のデータセットでテストすると、パフォーマンスが低下する。
本稿では,Barlow Adaptorと呼ばれる新しいエンドツーエンドのUnsupervised Domain Adaptation (UDA)手法を提案する。
さらに,BFAL(Barlow Feature Alignment Loss)と呼ばれる,異なるドメインにまたがる特徴を整列させる新たな損失を導入する。
論文 参考訳(メタデータ) (2023-07-31T18:14:18Z) - LoLep: Single-View View Synthesis with Locally-Learned Planes and
Self-Attention Occlusion Inference [66.45326873274908]
本稿では,1枚のRGB画像から局所学習平面を回帰してシーンを正確に表現するLoLepを提案する。
MINEと比較して、LPIPSは4.8%-9.0%、RVは73.9%-83.5%である。
論文 参考訳(メタデータ) (2023-07-23T03:38:55Z) - Data-Consistent Local Superresolution for Medical Imaging [5.025654873456756]
フルトモグラフィー画像の再構築後、臨床医は画像のいくつかの重要な部分が十分に明確でないと信じ、これらの領域をより透明にしたいと考えるかもしれない。
単純なアプローチ(推奨されない)では、高解像度画像のグローバルな再構築を行う。
本稿では,関心領域のズームインと精細化をリアルタイムに行うための反復モデルベース再構成アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-02-22T13:18:38Z) - FedMed-ATL: Misaligned Unpaired Brain Image Synthesis via Affine
Transform Loss [58.58979566599889]
脳画像合成のための新しい自己教師型学習(FedMed)を提案する。
アフィン変換損失(ATL)は、プライバシー法に違反することなく、ひどく歪んだ画像を使用するように定式化された。
提案手法は, 極めて不整合かつ不整合なデータ設定下での合成結果の品質の両方において, 高度な性能を示す。
論文 参考訳(メタデータ) (2022-01-29T13:45:39Z) - HarmoFL: Harmonizing Local and Global Drifts in Federated Learning on
Heterogeneous Medical Images [19.62267284815759]
我々は、ローカルドリフトとグローバルドリフトの両方を扱う、HarmoFLと呼ばれる新しいフレームワークを紹介した。
HarmoFLは、周波数領域に変換された画像の振幅を正規化することにより、ローカル更新ドリフトを緩和する。
我々はHarmoFLが、期待できる収束挙動を持つ最新の最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-12-20T13:25:48Z) - Localized Perturbations For Weakly-Supervised Segmentation of Glioma
Brain Tumours [0.5801621787540266]
本研究は,脳腫瘍のセグメンテーションマスクを事前訓練した3次元分類モデルから抽出するための,局所摂動を弱教師付きソリューションとして用いることを提案する。
また,U-netアーキテクチャを用いて,任意の分類において最も関連性の高い領域を見つけるために,3次元スーパーピクセルを利用する新しい摂動法を提案する。
論文 参考訳(メタデータ) (2021-11-29T21:01:20Z) - Local AdaGrad-Type Algorithm for Stochastic Convex-Concave Minimax
Problems [80.46370778277186]
大規模凸凹型ミニマックス問題は、ゲーム理論、堅牢なトレーニング、生成的敵ネットワークのトレーニングなど、多くの応用で発生する。
通信効率のよい分散外グレードアルゴリズムであるLocalAdaSientを開発した。
サーバモデル。
等質な環境と異質な環境の両方において,その有効性を実証する。
論文 参考訳(メタデータ) (2021-06-18T09:42:05Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z) - Domain-invariant Similarity Activation Map Contrastive Learning for
Retrieval-based Long-term Visual Localization [30.203072945001136]
本研究では,多領域画像変換による領域不変特徴抽出のために,確率論的に一般アーキテクチャを定式化する。
そして、より精密な局所化のために、新しい勾配重み付き類似性活性化写像損失(Grad-SAM)を組み込んだ。
CMUSeasonsデータセットにおける提案手法の有効性を検証するために大規模な実験が行われた。
我々の性能は、最先端のイメージベースのローカライゼーションベースラインを中あるいは高精度で上回るか、あるいは上回る。
論文 参考訳(メタデータ) (2020-09-16T14:43:22Z) - Privacy Preserving Recalibration under Domain Shift [119.21243107946555]
本稿では,差分プライバシー制約下での校正問題の性質を抽象化する枠組みを提案する。
また、新しいリカレーションアルゴリズム、精度温度スケーリングを設計し、プライベートデータセットの事前処理より優れています。
論文 参考訳(メタデータ) (2020-08-21T18:43:37Z)
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。