論文の概要: SurGSplat: Progressive Geometry-Constrained Gaussian Splatting for Surgical Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2506.05935v1
• Date: Fri, 06 Jun 2025 10:02:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 21:34:56.766592
• Title: SurGSplat: Progressive Geometry-Constrained Gaussian Splatting for Surgical Scene Reconstruction
• Title（参考訳）: SurGSplat : 手術シーン再建のためのプログレッシブジオメトリ-拘束型ガウススプラッティング
• Authors: Yuchao Zheng, Jianing Zhang, Guochen Ning, Hongen Liao,
• Abstract要約: SurGSplatは幾何学的制約を統合することで3Dガウススプラッティング(3DGS)を段階的に洗練するために設計された新しいパラダイムである。 血管構造やその他の重要な特徴の詳細な再構築を可能にすることで、SurGSplatは外科医に視覚的明瞭度を向上させる。 実験により,SurGSplatは新規ビュー合成(NVS)とポーズ推定精度の両方において優れた性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 7.6065635532326965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intraoperative navigation relies heavily on precise 3D reconstruction to ensure accuracy and safety during surgical procedures. However, endoscopic scenarios present unique challenges, including sparse features and inconsistent lighting, which render many existing Structure-from-Motion (SfM)-based methods inadequate and prone to reconstruction failure. To mitigate these constraints, we propose SurGSplat, a novel paradigm designed to progressively refine 3D Gaussian Splatting (3DGS) through the integration of geometric constraints. By enabling the detailed reconstruction of vascular structures and other critical features, SurGSplat provides surgeons with enhanced visual clarity, facilitating precise intraoperative decision-making. Experimental evaluations demonstrate that SurGSplat achieves superior performance in both novel view synthesis (NVS) and pose estimation accuracy, establishing it as a high-fidelity and efficient solution for surgical scene reconstruction. More information and results can be found on the page https://surgsplat.github.io/.
• Abstract（参考訳）: 術中ナビゲーションは、外科手術中の精度と安全性を確保するために、正確な3D再構成に大きく依存している。 しかし、内視鏡的シナリオには、スパースの特徴や、多くの既存のStructure-from-Motion (SfM) ベースの手法が不適切であり、障害の復元が困難である不整合照明など、独特な課題がある。 これらの制約を緩和するために,幾何的制約の統合により3次元ガウススプラッティング(3DGS)を段階的に洗練する新しいパラダイムであるSurGSplatを提案する。 血管構造やその他の重要な特徴の詳細な再構築を可能にすることで、SurGSplatは外科医に視覚的明瞭度を高め、正確な術中決定を容易にする。 実験により,SurGSplatは新鮮視合成(NVS)と推定精度の両方において優れた性能を示し,高忠実かつ効率的な手術シーン再構築ソリューションとして確立した。 詳細はhttps://surgsplat.github.io/.com/で確認できる。

関連論文リスト

• IXGS-Intraoperative 3D Reconstruction from Sparse, Arbitrarily Posed Real X-rays [1.2721397985664153]
  R2$-Gaussian splatting frameworkを拡張して、一貫した3Dボリュームを困難な条件下で再構築する。 形態伝達を用いた解剖学的誘導ラジオグラフィ標準化のステップを導入し、ビュー間の視覚的整合性を改善する。
  論文  参考訳（メタデータ） (2025-04-20T18:28:13Z)
• FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
  FreeSplat++は大規模な屋内全シーン再構築の代替手法である。 深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
  論文  参考訳（メタデータ） (2025-03-29T06:22:08Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• SurgicalGS: Dynamic 3D Gaussian Splatting for Accurate Robotic-Assisted Surgical Scene Reconstruction [18.074890506856114]
  幾何学的精度を向上した手術シーン再構築のための動的3次元ガウススプレイティングフレームワークであるStagementGSを提案する。 提案手法は,まず奥行き先を用いてガウス点雲を初期化し,深度変化の大きい画素を識別するために二元運動マスクを用い,フレーム間の深度マップから点雲を融合して初期化する。 フレキシブル変形モデルを用いて動的シーンを表現し、教師なし深度スムースネス制約とともに正規化深度正規化損失を導入し、より正確な幾何再構成を実現する。
  論文  参考訳（メタデータ） (2024-10-11T22:46:46Z)
• A Review of 3D Reconstruction Techniques for Deformable Tissues in Robotic Surgery [8.909938295090827]
  NeRFベースの技術は、暗黙的にシーンを再構築する能力に注目が集まっている。 一方、3D-GSは3Dガウシアンを明示的に使用し、NeRFの複雑なボリュームレンダリングの代替として2D平面に投影するシーンを表現している。 この研究は、最先端のSOTA(State-of-the-art)アプローチを探求し、レビューし、彼らのイノベーションと実装原則について議論する。
  論文  参考訳（メタデータ） (2024-08-08T12:51:23Z)
• BodySLAM: A Generalized Monocular Visual SLAM Framework for Surgical Applications [0.0]
  本研究では、3つの重要なコンポーネントを通じてこれらの課題に対処する、堅牢なディープラーニングベースのMVSLAMアプローチであるBodySLAMを提案する。 CycleVOは、新しい教師なし単眼ポーズ推定モジュールであり、モノクロ深度推定のための最先端のZoeアーキテクチャの統合、コヒーレントな手術地図を作成する3D再構成モジュールである。 その結果、CycleVOは、ポーズ推定法の中で最も低い推定時間で競合性能を示し、頑健な一般化能力を維持した。
  論文  参考訳（メタデータ） (2024-08-06T10:13:57Z)
• EndoSparse: Real-Time Sparse View Synthesis of Endoscopic Scenes using Gaussian Splatting [39.60431471170721]
  内視鏡画像からの生体組織の3次元再構成は, 様々な重要な下流外科的応用を3D機能で解き放つ鍵となる。 既存の手法では、ビュー合成に様々な高度なニューラルレンダリング技術を採用しているが、スパースな観察しかできない場合には、正確な3D表現の復元に苦慮することが多い。 再建過程において,複数の基盤モデルから事前の知識を活用するフレームワークを提案し,それをtextitEndoSparse と呼ぶ。
  論文  参考訳（メタデータ） (2024-07-01T07:24:09Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• EndoGSLAM: Real-Time Dense Reconstruction and Tracking in Endoscopic Surgeries using Gaussian Splatting [53.38166294158047]
  EndoGSLAMは鏡視下手術の効率的なアプローチであり、合理化表現と微分ガウス化を統合している。 実験の結果,EndoGSLAMは従来型あるいは神経型SLAMアプローチよりも術中可用性と再建品質のトレードオフが良好であることがわかった。
  論文  参考訳（メタデータ） (2024-03-22T11:27:43Z)
• GS-IR: 3D Gaussian Splatting for Inverse Rendering [71.14234327414086]
  3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。 我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。 フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-11-26T02:35:09Z)

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。