論文の概要: CrossSDF: 3D Reconstruction of Thin Structures From Cross-Sections
- arxiv url: http://arxiv.org/abs/2412.04120v1
- Date: Thu, 05 Dec 2024 12:38:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-06 14:40:41.937113
- Title: CrossSDF: 3D Reconstruction of Thin Structures From Cross-Sections
- Title（参考訳）: CrossSDF: 断面からの薄膜の3次元再構成
- Authors: Thomas Walker, Salvatore Esposito, Daniel Rebain, Amir Vaxman, Arno Onken, Changjian Li, Oisin Mac Aodha,
- Abstract要約: 方法とは,平面輪郭から発生する2次元符号距離から3次元符号距離場を抽出する手法である。
提案手法は, 従来の手法よりも大幅に改善され, 薄型構造を効果的に再構築し, 正確な3次元モデルを生成する。
- 参考スコア（独自算出の注目度）: 23.35977941611922
- License:
- Abstract: Reconstructing complex structures from planar cross-sections is a challenging problem, with wide-reaching applications in medical imaging, manufacturing, and topography. Out-of-the-box point cloud reconstruction methods can often fail due to the data sparsity between slicing planes, while current bespoke methods struggle to reconstruct thin geometric structures and preserve topological continuity. This is important for medical applications where thin vessel structures are present in CT and MRI scans. This paper introduces \method, a novel approach for extracting a 3D signed distance field from 2D signed distances generated from planar contours. Our approach makes the training of neural SDFs contour-aware by using losses designed for the case where geometry is known within 2D slices. Our results demonstrate a significant improvement over existing methods, effectively reconstructing thin structures and producing accurate 3D models without the interpolation artifacts or over-smoothing of prior approaches.
- Abstract（参考訳）: 平面断面から複雑な構造を再構築することは難しい問題であり、医療画像、製造、地形学に広く応用されている。
アウト・オブ・ザ・ボックス(out-of-the-box)ポイントのクラウド再構成手法は、スライス面間のデータ間隔のためにしばしば失敗するが、現在のベッスモーク法は、薄い幾何学的構造を再構築し、位相的連続性を維持するのに苦労する。
これは、CTやMRIスキャンに細い血管構造が存在する医療応用において重要である。
本稿では,平面輪郭から発生する2次元符号距離から3次元符号距離場を抽出する新しい手法である‘method’を紹介する。
提案手法は,2次元スライス内で幾何が知られている場合の損失を利用して,ニューラルSDFの輪郭認識を訓練する。
提案手法は, 従来の手法よりも大幅に改善され, 薄型構造を効果的に再構築し, 補間アーティファクトや先行手法の過平滑化を伴わずに正確な3次元モデルを生成する。
関連論文リスト
- DuoLift-GAN:Reconstructing CT from Single-view and Biplanar X-Rays with Generative Adversarial Networks [1.3812010983144802]
本稿では,DuoLift Generative Adversarial Networks (DuoLift-GAN)を紹介する。
これらの3D出力は統合された3D特徴マップにマージされ、完全な3D胸部ボリュームにデコードされ、よりリッチな3D情報キャプチャを可能にする。
論文 参考訳（メタデータ） (2024-11-12T17:11:18Z) - EAR: Edge-Aware Reconstruction of 3-D vertebrae structures from bi-planar X-ray images [19.902946440205966]
本稿では,新しいエッジ・アウェア・コンストラクション・ネットワーク(EAR)を提案する。
自動エンコーダアーキテクチャをバックボーンとして,エッジアテンションモジュールと周波数拡張モジュールを提案する。
提案手法は3つの公開データセットを用いて評価し、4つの最先端モデルと比較した。
論文 参考訳（メタデータ） (2024-07-30T16:19:14Z) - Enforcing 3D Topological Constraints in Composite Objects via Implicit Functions [60.56741715207466]
医学的応用は心臓や脊椎などの複数の部分を持つ複雑な臓器の正確な3D表現を必要とすることが多い。
本稿では,深い暗黙的符号付き距離関数を用いた3次元物体再構成におけるトポロジ的制約を強制する新しい手法を提案する。
そこで本研究では,3次元形状間のトポロジ的制約を効果的に検証・実施するサンプリングベース手法を提案する。
論文 参考訳（メタデータ） (2023-07-16T10:07:15Z) - gSDF: Geometry-Driven Signed Distance Functions for 3D Hand-Object
Reconstruction [94.46581592405066]
我々は手の構造を利用してSDFによる形状復元の指導を行う。
我々は、ポーズ変換のキネマティック連鎖を予測し、SDFを高調波ハンドポーズと整列させる。
論文 参考訳（メタデータ） (2023-04-24T10:05:48Z) - 3 Dimensional Dense Reconstruction: A Review of Algorithms and Dataset [19.7595986056387]
3D高密度再構成は、2次元平面画像から3次元物体の完全な形状とテクスチャ特性を得る過程を指す。
この研究は幾何学的および光学的モデルに基づく3次元高密度再構成の古典的手法を体系的に導入する。
さらに、ディープラーニングのためのデータセットや、これらのデータセット上でディープラーニングメソッドが示すパフォーマンスとメリット、デメリットも導入されている。
論文 参考訳（メタデータ） (2023-04-19T01:56:55Z) - Enforcing connectivity of 3D linear structures using their 2D
projections [54.0598511446694]
本稿では,2次元投影におけるトポロジ認識損失の総和を最小化することにより,結果の3次元接続性を改善することを提案する。
これにより、精度の向上と、アノテーション付きトレーニングデータの提供に必要なアノテーションの労力の削減が図られる。
論文 参考訳（メタデータ） (2022-07-14T11:42:18Z) - 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) - 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) - Translational Symmetry-Aware Facade Parsing for 3D Building
Reconstruction [11.263458202880038]
本稿では,深部ニューラルネットワーク改善のための新しい翻訳対称性に基づくアプローチを提案する。
本研究では,単一段ネットワークにおけるアンカーフリー検出を融合させる新しい手法を提案する。
我々はBlenderのような市販のレンダリングエンジンを使用して、手続きモデルを用いて現実的な高品質な3Dモデルを再構築する。
論文 参考訳（メタデータ） (2021-06-02T03:10:51Z) - A Deep-Learning Approach For Direct Whole-Heart Mesh Reconstruction [1.8047694351309207]
本研究では,ボリュームCTとMR画像データから心表面メッシュ全体を直接予測する深層学習に基づく新しい手法を提案する。
本手法は,高分解能,高品質の全心臓再建を実現できる有望な性能を示した。
論文 参考訳（メタデータ） (2021-02-16T00:39:43Z) - Vid2Curve: Simultaneous Camera Motion Estimation and Thin Structure
Reconstruction from an RGB Video [90.93141123721713]
ワイヤーフレーム彫刻、フェンス、ケーブル、電力線、木の枝などの細い構造は現実世界では一般的である。
従来の画像ベースや深度ベースの再構築手法を用いて3Dデジタルモデルを入手することは極めて困難である。
ハンドヘルドカメラで撮影したカラービデオから,カメラの動きを同時に推定し,複雑な3次元薄膜構造の形状を高品質に再構成する手法を提案する。
論文 参考訳（メタデータ） (2020-05-07T10:39:20Z)
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。