論文の概要: Hybrid-CSR: Coupling Explicit and Implicit Shape Representation for
Cortical Surface Reconstruction
- arxiv url: http://arxiv.org/abs/2307.12299v1
- Date: Sun, 23 Jul 2023 11:32:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 16:50:19.508063
- Title: Hybrid-CSR: Coupling Explicit and Implicit Shape Representation for
Cortical Surface Reconstruction
- Title（参考訳）: hybrid-csr : 皮質表面再構成のための明示的および暗黙的形状表現
- Authors: Shanlin Sun, Thanh-Tung Le, Chenyu You, Hao Tang, Kun Han, Haoyu Ma,
Deying Kong, Xiangyi Yan, Xiaohui Xie
- Abstract要約: Hybrid-CSRは、皮質表面再構成のための明示的および暗黙的な形状表現を組み合わせた幾何学的深層学習モデルである。
本手法は, 明示的(指向性点雲)と暗黙的(指標関数)の皮質表面再構成を統一する。
- 参考スコア（独自算出の注目度）: 28.31844964164312
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Hybrid-CSR, a geometric deep-learning model that combines explicit
and implicit shape representations for cortical surface reconstruction.
Specifically, Hybrid-CSR begins with explicit deformations of template meshes
to obtain coarsely reconstructed cortical surfaces, based on which the oriented
point clouds are estimated for the subsequent differentiable poisson surface
reconstruction. By doing so, our method unifies explicit (oriented point
clouds) and implicit (indicator function) cortical surface reconstruction.
Compared to explicit representation-based methods, our hybrid approach is more
friendly to capture detailed structures, and when compared with implicit
representation-based methods, our method can be topology aware because of
end-to-end training with a mesh-based deformation module. In order to address
topology defects, we propose a new topology correction pipeline that relies on
optimization-based diffeomorphic surface registration. Experimental results on
three brain datasets show that our approach surpasses existing implicit and
explicit cortical surface reconstruction methods in numeric metrics in terms of
accuracy, regularity, and consistency.
- Abstract（参考訳）: 我々は,皮質表面再構成のための明示的および暗黙的な形状表現を組み合わせた幾何学的深層学習モデルであるHybrid-CSRを提案する。
具体的には、Hybrid-CSRはテンプレートメッシュの明示的な変形から始まり、粗い再構成された皮質表面を得る。
これにより,明示的(指向的点雲)と暗黙的(インジケータ関数)皮質表面再構成を統一する。
明示的な表現ベース手法と比較すると,このハイブリッド手法は詳細な構造を捉えるのに好適であり,暗黙的な表現ベース手法と比較すると,メッシュベースの変形モジュールを用いたエンドツーエンドのトレーニングによりトポロジを認識できる。
トポロジー欠陥に対処するために,最適化に基づく微分曲面登録に依存する新しいトポロジー補正パイプラインを提案する。
3つの脳データセットによる実験結果から,従来の暗黙的および明示的な皮質表面再構成法を精度,規則性,一貫性の点で超えた。
関連論文リスト
- Shrinking: Reconstruction of Parameterized Surfaces from Signed Distance Fields [2.1638817206926855]
符号付き距離場(SDF)から明示的パラメータ化曲面を再構成する新しい手法を提案する。
本手法では, パラメータ化初期球面を対象のSDF形状に適合させ, 微分可能性と表面パラメータ化を連続的に保持する。
これにより、テクスチャマッピング、幾何学処理、アニメーション、有限要素解析などの下流アプリケーションが可能になる。
論文 参考訳（メタデータ） (2024-10-04T03:39:15Z) - Relative Representations: Topological and Geometric Perspectives [53.88896255693922]
相対表現はゼロショットモデルの縫合に対する確立されたアプローチである。
相対変換において正規化手順を導入し、非等方的再スケーリングや置換に不変となる。
第二に、クラス内のクラスタリングを促進するトポロジカル正規化損失である、微調整された相対表現におけるトポロジカルデシフィケーションの展開を提案する。
論文 参考訳（メタデータ） (2024-09-17T08:09:22Z) - Curvy: A Parametric Cross-section based Surface Reconstruction [2.1165011830664677]
本稿では, 平面スパース断面を用いた新しい形状点雲の再構成手法を提案する。
我々は、適応分割を用いたコンパクトなパラメトリックポリライン表現を用いて断面を表現し、グラフニューラルネットワークを用いて学習を行い、基礎となる形状を再構築する。
論文 参考訳（メタデータ） (2024-09-01T20:15:08Z) - InfoNorm: Mutual Information Shaping of Normals for Sparse-View Reconstruction [15.900375207144759]
多視点画像からの3次元表面再構成はシーン理解とインタラクションに不可欠である。
ニューラルレージアンス場(NeRF)や符号付き距離関数(SDF)といった近年の暗黙的な表面表現は、観測情報の欠如を解決するために様々な幾何学的先行法を用いている。
本稿では,高度に相関したシーンポイントの表面正規化における相互情報を明確に促進することにより,幾何学的モデリングの正規化を提案する。
論文 参考訳（メタデータ） (2024-07-17T15:46:25Z) - NeuSD: Surface Completion with Multi-View Text-to-Image Diffusion [56.98287481620215]
本稿では,対象物の一部のみを捉えた複数の画像から3次元表面再構成を行う手法を提案する。
提案手法は, 表面の可視部分の再構成に神経放射場を用いた表面再構成法と, SDS (Score Distillation Sampling) 方式で事前学習した2次元拡散モデルを用いて, 可観測領域の形状を再現する手法である。
論文 参考訳（メタデータ） (2023-12-07T19:30:55Z) - $p$-Poisson surface reconstruction in curl-free flow from point clouds [5.330266804358638]
Inlicit Neural representations (INRs) は表面再構成への有望なアプローチとして出現している。
本稿では、偏微分方程式の適切な監督と微分ベクトル場の基本的な性質が、高品質な曲面を頑健に再構成するのに十分であることを示す。
論文 参考訳（メタデータ） (2023-10-31T00:20:24Z) - Neural Template: Topology-aware Reconstruction and Disentangled
Generation of 3D Meshes [52.038346313823524]
本稿では,Distangled Topologyによる3次元メッシュ再構成と生成のためのDTNetという新しいフレームワークを提案する。
提案手法は,最先端の手法と比較して,特に多様なトポロジで高品質なメッシュを生成することができる。
論文 参考訳（メタデータ） (2022-06-10T08:32:57Z) - A Level Set Theory for Neural Implicit Evolution under Explicit Flows [102.18622466770114]
暗黙の曲面をパラメータ化するコーディネートベースのニューラルネットワークは、幾何学の効率的な表現として登場した。
このような暗黙の面に三角形メッシュに対して定義された変形操作を適用することができるフレームワークを提案する。
提案手法は, 表面平滑化, 平均曲率流, 逆レンダリング, 暗黙的幾何によるユーザ定義編集など, 応用性の向上を示す。
論文 参考訳（メタデータ） (2022-04-14T17:59:39Z) - Shape As Points: A Differentiable Poisson Solver [118.12466580918172]
本稿では,ポアソン表面再構成 (PSR) の微分可能な定式化を用いた,微分可能な点間メッシュ層を提案する。
微分可能なPSR層は、暗示指標場を介して、明示的な3D点表現を3Dメッシュに効率よく、かつ、差別的にブリッジすることができる。
ニューラル暗黙の表現と比較して、私たちのシェープ・アズ・ポイント(SAP)モデルはより解釈可能で、軽量で、1桁の推論時間を加速します。
論文 参考訳（メタデータ） (2021-06-07T09:28:38Z) - Temporally-Coherent Surface Reconstruction via Metric-Consistent Atlases [131.50372468579067]
再建された表面をニューラルネットワークを用いてアトラスとして表現する。
本手法は,教師なし対応の精度と表面再構成の精度において,その性能を超える結果が得られることを実証的に示す。
論文 参考訳（メタデータ） (2021-04-14T16:21:22Z) - Deep Manifold Prior [37.725563645899584]
本稿では,3次元形状の表面などの多様体構造データに先行する手法を提案する。
この方法で生成された曲面は滑らかであり、ガウス過程を特徴とする制限的な挙動を示し、完全連結および畳み込みネットワークに対して数学的にそのような特性を導出する。
論文 参考訳（メタデータ） (2020-04-08T20:47:56Z)
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。