Fugu-MT 論文翻訳(概要): Normal reconstruction from specularity in the endoscopic setting

論文の概要: Normal reconstruction from specularity in the endoscopic setting

arxiv url: http://arxiv.org/abs/2211.05642v1
Date: Thu, 10 Nov 2022 15:14:48 GMT
ステータス: 処理完了
システム内更新日: 2022-11-11 15:32:24.546718
Title: Normal reconstruction from specularity in the endoscopic setting
Title（参考訳）: 鏡視下整復術における鏡視下整復術
Authors: Karim Makki and Adrien Bartoli
Abstract要約: 内視鏡で画像化した平面に対して、鏡状のアイソフォテはシーン平面上の同心円であり、画像中のネスト楕円体として現れる。これらの楕円が検出され、平面の通常の方向を推定し、通常の再構成法を形成することを示し、シミュレーションデータに基づいて検証する。
参考スコア（独自算出の注目度）: 15.866347784837465
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We show that for a plane imaged by an endoscope the specular isophotes are concentric circles on the scene plane, which appear as nested ellipses in the image. We show that these ellipses can be detected and used to estimate the plane's normal direction, forming a normal reconstruction method, which we validate on simulated data. In practice, the anatomical surfaces visible in endoscopic images are locally planar. We use our method to show that the surface normal can thus be reconstructed for each of the numerous specularities typically visible on moist tissues. We show results on laparoscopic and colonoscopic images.
Abstract（参考訳）: 内視鏡で撮影された平面に対して, 鏡像の眼球は像面上の同心円であり, 像内にネストした楕円体として現れる。そこで本研究では,これらの楕円体を検出し,平面の正常方向を推定し,シミュレーションデータを用いて正常な再構成法を提案する。実際には、内視鏡画像で見える解剖学的表面は局所平面である。本手法は, 湿潤組織に典型的に見られる多数の特異点に対して, 表面の正常度を再構成できることを示す。腹腔鏡および大腸鏡の所見を報告する。

関連論文リスト

ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
論文参考訳（メタデータ） (2024-07-23T14:24:26Z)
High-fidelity Endoscopic Image Synthesis by Utilizing Depth-guided Neural Surfaces [18.948630080040576]
内視鏡画像に適用したNeuSを1フレームの深度マップで補足した新しい大腸部分再建法を提案する。本手法は, 大腸切片を完全にレンダリングし, 表面の見えない部分を捕捉する際の異常な精度を示す。このブレークスルーは、安定的で一貫してスケールされた再建を達成するための道を開き、がんスクリーニングの手順と治療介入の質を高めることを約束する。
論文参考訳（メタデータ） (2024-04-20T18:06:26Z)
Reconstructing the normal and shape at specularities in endoscopy [14.219412399899474]
本稿では,3次元知覚の手がかりとして特異性を用いることを提案する。具体的には、観察された組織の正常な方向と形状を各特異度で再構成する新しい方法を提案する。
論文参考訳（メタデータ） (2023-11-30T07:09:46Z)
LightNeuS: Neural Surface Reconstruction in Endoscopy using Illumination Decline [45.49984459497878]
単眼内視鏡で取得した画像から3次元再構成を行う手法を提案する。第一に、内的空洞は水密であり、符号付き距離関数でモデル化することによって自然に強制される性質である。第二に、シーンの照明は可変であり、それは内視鏡の光源から来ており、四角い距離と表面との逆転で崩壊する。
論文参考訳（メタデータ） (2023-09-06T06:41:40Z)
A Surface-normal Based Neural Framework for Colonoscopy Reconstruction [24.467879991609095]
内視鏡画像から3次元表面を再構成することは、映像フレームの照明と反射率の変化により困難である。大腸内視鏡再建の精度を大幅に向上させる2段階の神経フレームワークを開発した。
論文参考訳（メタデータ） (2023-03-13T16:44:15Z)
SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文参考訳（メタデータ） (2021-11-26T13:47:34Z)
3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文参考訳（メタデータ） (2021-10-14T23:05:47Z)
A Self-Supervised Deep Framework for Reference Bony Shape Estimation in Orthognathic Surgical Planning [55.30223654196882]
仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
論文参考訳（メタデータ） (2021-09-11T05:24:40Z)
SERV-CT: A disparity dataset from CT for validation of endoscopic 3D reconstruction [8.448866668577946]
CT(SERV-CT)に基づく立体内視鏡再構成検証データセットを提案する。 SERV-CTデータセットは、内視鏡画像の大部分をカバーするスムーズな参照格差と深さを持つ外科的アプリケーションのための使いやすい立体的検証を提供します。
論文参考訳（メタデータ） (2020-12-22T01:28:30Z)
Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。これらの深度マップは、異なるビューを粗く整列するために使用される。本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。