論文の概要: Neural rendering enables dynamic tomography

• arxiv url: http://arxiv.org/abs/2410.20558v1
• Date: Sun, 27 Oct 2024 19:18:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:15:01.056263
• Title: Neural rendering enables dynamic tomography
• Title（参考訳）: ニューラルレンダリングは動的トモグラフィーを可能にする
• Authors: Ivan Grega, William F. Whitney, Vikram S. Deshpande,
• Abstract要約: 動的イベント中の3次元再構成を実現するために,ニューラルネットワークレンダリングツールを用いてパラダイムシフトを駆動できることを提案する。 本研究では,従来の再構成手法よりも効率的にデータモダリティを再構築できることを実証する。
• 参考スコア（独自算出の注目度）: 1.1624569521079426
• License:
• Abstract: Interrupted X-ray computed tomography (X-CT) has been the common way to observe the deformation of materials during an experiment. While this approach is effective for quasi-static experiments, it has never been possible to reconstruct a full 3d tomography during a dynamic experiment which cannot be interrupted. In this work, we propose that neural rendering tools can be used to drive the paradigm shift to enable 3d reconstruction during dynamic events. First, we derive theoretical results to support the selection of projections angles. Via a combination of synthetic and experimental data, we demonstrate that neural radiance fields can reconstruct data modalities of interest more efficiently than conventional reconstruction methods. Finally, we develop a spatio-temporal model with spline-based deformation field and demonstrate that such model can reconstruct the spatio-temporal deformation of lattice samples in real-world experiments.
• Abstract（参考訳）: 断続X線CT(Interrupted X-ray Computed Tomography)は、実験中の材料の変形を観察する一般的な方法である。 この手法は準静電実験に有効であるが、中断できない動的実験において完全な3Dトモグラフィーを再構築することは不可能である。 本研究では,動的イベント中の3次元再構成を実現するため,パラダイムシフトを駆動するためのニューラルネットワークレンダリングツールを提案する。 まず、射影角の選択を支援する理論的結果を得る。 合成データと実験データの組み合わせにより,従来の再構成法よりも効率よく,神経放射場がデータモダリティを再構築できることが実証された。 最後に, スプライン型変形場を有する時空間モデルを開発し, 実世界の実験において, 格子試料の時空間変形を再現できることを実証した。

関連論文リスト

• Data-driven discovery of mechanical models directly from MRI spectral data [0.0]
  実験により得られたMRIスペクトルデータから動的モデルのデータ駆動的発見のための再構成フレームワークを提案する。 提案手法は,非線形ダイナミクスのスパース同定(SINDy)を用いた解釈可能モデルのデータ駆動探索と組み合わせたものである。 臨床MRIスキャナーに収集した動的ファントムのスペクトルデータを用いて,本法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-11-11T13:05:29Z)
• Equivariant Graph Neural Operator for Modeling 3D Dynamics [148.98826858078556]
  我々は,次のステップの予測ではなく,ダイナミックスを直接トラジェクトリとしてモデル化するために,Equivariant Graph Neural Operator (EGNO)を提案する。 EGNOは3次元力学の時間的進化を明示的に学習し、時間とともに関数として力学を定式化し、それを近似するためにニューラル演算子を学習する。 粒子シミュレーション、人間のモーションキャプチャー、分子動力学を含む複数の領域における総合的な実験は、既存の手法と比較して、EGNOの極めて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-01-19T21:50:32Z)
• Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
  本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。 動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。 混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
  論文  参考訳（メタデータ） (2023-08-18T16:41:57Z)
• Optical Diffraction Tomography based on 3D Physics-Inspired Neural Network (PINN) [0.1310865248866973]
  光回折トモグラフィー(ODT)は半透明試料の屈折率(RI)の3次元再構成に使用される新しい3Dイメージング技術である。 ボルンやリトフ近似のような様々な試料のホログラフィー検出に基づいて、3D RIを再構成する様々な逆モデルが提案されている。 本稿では,3次元ニューラルネットワーク(NN)を応用した別のアプローチを提案する。このNNは,光波伝搬の物理理論に基づく物理モデルに基づくコスト関数を用いて訓練する。
  論文  参考訳（メタデータ） (2022-06-10T17:19:04Z)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• Enhancement of Novel View Synthesis Using Omnidirectional Image Completion [61.78187618370681]
  ニューラルレイディアンス場(NeRF)に基づく1枚の360度RGB-D画像から新しいビューを合成する方法を提案する。 実験により,提案手法は実世界と実世界の両方でシーンの特徴を保ちながら,可塑性な新規なビューを合成できることが実証された。
  論文  参考訳（メタデータ） (2022-03-18T13:49:25Z)
• Neural Computed Tomography [1.7188280334580197]
  一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。 動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
  論文  参考訳（メタデータ） (2022-01-17T18:50:58Z)
• 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)
• Physical model simulator-trained neural network for computational 3D phase imaging of multiple-scattering samples [1.112751058850223]
  サンプルコントラストを均質化する新しいモデルベースデータ正規化前処理法を開発した。 上皮扁平上皮細胞およびCaenorhabditis elegans wormsの実験的測定におけるこのフレームワークの能力を示す。
  論文  参考訳（メタデータ） (2021-03-29T17:43:56Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• Real-time sparse-sampled Ptychographic imaging through deep neural networks [3.3351024234383946]
  データの取得と解析の両方に制約を課す複雑な逆問題の解法により、画像再構成を実現する。 本稿では,深部畳み込みニューラルネットワークに基づく画像再構成問題の解法として,PtychoNNを提案する。
  論文  参考訳（メタデータ） (2020-04-15T23:43:17Z)

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。