Fugu-MT 論文翻訳(概要): Better Pose Initialization for Fast and Robust 2D/3D Pelvis Registration

論文の概要: Better Pose Initialization for Fast and Robust 2D/3D Pelvis Registration

arxiv url: http://arxiv.org/abs/2503.07767v1
Date: Mon, 10 Mar 2025 18:42:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-12 15:44:01.051424
Title: Better Pose Initialization for Fast and Robust 2D/3D Pelvis Registration
Title（参考訳）: 高速かつロバストな2D/3Dペルビス登録のためのポース初期化
Authors: Yehyun Suh, J. Ryan Martin, Daniel Moyer,
Abstract要約: 本稿では,最適化に基づくポーズ推定器における2D/3D骨盤登録を改善するためのアプローチを提案する。粗い初期化器でもポーズ推定精度が大幅に向上し、全体的な計算効率が向上することがわかった。
参考スコア（独自算出の注目度）: 1.8352113484137624
License:
Abstract: This paper presents an approach for improving 2D/3D pelvis registration in optimization-based pose estimators using a learned initialization function. Current methods often fail to converge to the optimal solution when initialized naively. We find that even a coarse initializer greatly improves pose estimator accuracy, and improves overall computational efficiency. This approach proves to be effective also in challenging cases under more extreme pose variation. Experimental validation demonstrates that our method consistently achieves robust and accurate registration, enhancing the reliability of 2D/3D registration for clinical applications.
Abstract（参考訳）: 本稿では,学習初期化関数を用いた最適化型ポーズ推定器における2D/3D骨盤登録の改善手法を提案する。現在の手法は、素早い初期化時に最適解に収束しないことが多い。粗い初期化器でもポーズ推定精度が大幅に向上し、全体的な計算効率が向上することがわかった。このアプローチは、より極端なポーズ変動の下での挑戦にも有効であることが証明されている。臨床応用における2D/3Dレジストレーションの信頼性を高めるため,本手法が常に堅牢かつ正確な登録を実現することを示す実験的検証を行った。

関連論文リスト

Improving Instance Optimization in Deformable Image Registration with Gradient Projection [7.6061804149819885]
変形可能な画像登録は本質的に多目的最適化問題である。これらの矛盾する目的は、しばしば最適化結果の貧弱につながる。ディープラーニングの手法は、大規模なデータセット処理の効率化により、最近この領域で人気を博している。
論文参考訳（メタデータ） (2024-10-21T08:27:13Z)
Uncertainty-Aware Testing-Time Optimization for 3D Human Pose Estimation [68.75387874066647]
本研究では3次元ポーズ推定のための不確実性認識テスト時間最適化フレームワークを提案する。我々のアプローチは、Human3.6Mの4.5%という大きなマージンで、過去最高の結果を上回っている。
論文参考訳（メタデータ） (2024-02-04T04:28:02Z)
SE(3) Diffusion Model-based Point Cloud Registration for Robust 6D Object Pose Estimation [66.16525145765604]
実世界のシナリオにおける6次元オブジェクトポーズ推定のためのSE(3)拡散モデルに基づく点クラウド登録フレームワークを提案する。提案手法は,3次元登録タスクをデノナイズ拡散過程として定式化し,音源雲の姿勢を段階的に洗練する。実世界のTUD-L, LINEMOD, およびOccluded-LINEMODデータセットにおいて, 拡散登録フレームワークが顕著なポーズ推定性能を示すことを示す。
論文参考訳（メタデータ） (2023-10-26T12:47:26Z)
Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
論文参考訳（メタデータ） (2021-11-11T23:31:34Z)
Deep Iterative 2D/3D Registration [9.813316061451392]
本稿では,反復的な登録作業にエンドツーエンドで使用できる,ディープラーニング駆動型2D/3D登録フレームワークを提案する。我々は2D/3D登録フレームワークの更新ステップをPoint-to-Plane 対応を用いて学習する。提案手法は平均8秒, 平均再投射距離誤差0.60$pm$ 0.40 mm, 成功率は97パーセント, 捕捉範囲60mmを実現している。
論文参考訳（メタデータ） (2021-07-21T10:51:29Z)
Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文参考訳（メタデータ） (2021-07-08T15:19:36Z)
Learning the Update Operator for 2D/3D Image Registration [10.720342813316531]
術前ボリュームは2D/3D画像登録を用いて2D画像の上にオーバーレイすることができる。深層学習に基づく2D/3D登録法は,計算効率とロバスト性を向上させることによって有望な結果を示した。更新ステップ予測における登録精度は,既知演算子を持たない学習と比較して1.8倍向上した。
論文参考訳（メタデータ） (2021-02-04T19:52:59Z)
Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
論文参考訳（メタデータ） (2020-12-15T11:42:17Z)
Towards Fast, Accurate and Stable 3D Dense Face Alignment [73.01620081047336]
本稿では,速度,精度,安定性のバランスをとる3DDFA-V2という新しい回帰フレームワークを提案する。本研究では,静止画を平面内と面外の動きを取り入れた映像に変換する仮想合成法を提案する。
論文参考訳（メタデータ） (2020-09-21T15:37:37Z)
Efficient and Robust Registration on the 3D Special Euclidean Group [11.805432720871263]
高精度で頑健で高速な3Dスキャンの登録方法を提案する。リー群の幾何学的性質と、反復的に再重み付けされた最小二乗最適化によって得られるロバスト性を利用する。
論文参考訳（メタデータ） (2019-04-11T03:52:42Z)

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。