論文の概要: ColorGS: High-fidelity Surgical Scene Reconstruction with Colored Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2508.18696v1
- Date: Tue, 26 Aug 2025 05:50:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 17:42:38.693321
- Title: ColorGS: High-fidelity Surgical Scene Reconstruction with Colored Gaussian Splatting
- Title（参考訳）: ColorGS: Colored Gaussian Splatting を用いた高忠実度手術シーン再構成
- Authors: Qun Ji, Peng Li, Mingqiang Wei,
- Abstract要約: 空間適応型カラーエンコーディングと変形モデリングの強化を統合した新しいフレームワークであるColorGSを提案する。
本研究は,高忠実度と計算実用性とのバランスをとることにより,手術シーンの再構築を推し進める。
- 参考スコア（独自算出の注目度）: 24.895276204273888
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-fidelity reconstruction of deformable tissues from endoscopic videos remains challenging due to the limitations of existing methods in capturing subtle color variations and modeling global deformations. While 3D Gaussian Splatting (3DGS) enables efficient dynamic reconstruction, its fixed per-Gaussian color assignment struggles with intricate textures, and linear deformation modeling fails to model consistent global deformation. To address these issues, we propose ColorGS, a novel framework that integrates spatially adaptive color encoding and enhanced deformation modeling for surgical scene reconstruction. First, we introduce Colored Gaussian Primitives, which employ dynamic anchors with learnable color parameters to adaptively encode spatially varying textures, significantly improving color expressiveness under complex lighting and tissue similarity. Second, we design an Enhanced Deformation Model (EDM) that combines time-aware Gaussian basis functions with learnable time-independent deformations, enabling precise capture of both localized tissue deformations and global motion consistency caused by surgical interactions. Extensive experiments on DaVinci robotic surgery videos and benchmark datasets (EndoNeRF, StereoMIS) demonstrate that ColorGS achieves state-of-the-art performance, attaining a PSNR of 39.85 (1.5 higher than prior 3DGS-based methods) and superior SSIM (97.25\%) while maintaining real-time rendering efficiency. Our work advances surgical scene reconstruction by balancing high fidelity with computational practicality, critical for intraoperative guidance and AR/VR applications.
- Abstract（参考訳）: 微妙な色の変化を捉え、グローバルな変形をモデル化する既存の手法の限界により、内視鏡的ビデオから変形可能な組織を高忠実に再構築することは依然として困難である。
3D Gaussian Splatting (3DGS) は効率的な動的再構成を可能にするが、その固定されたガウス色割り当ては複雑なテクスチャに苦慮し、線形変形モデリングは一貫した大域的変形をモデル化することができない。
このような問題に対処するために,空間適応型カラーエンコーディングと拡張変形モデリングを統合した手術シーン再構築のための新しいフレームワークであるColorGSを提案する。
まず,動的アンカーと学習可能な色パラメータを用いて,空間的に異なるテクスチャを適応的に符号化し,複雑な照明や組織類似性の下で色表現性を著しく向上させるカラーガウス原始体を提案する。
第2に,時間認識型ガウス基底関数と学習可能な時間非依存変形を組み合わせた拡張変形モデル(EDM)を設計し,局所的な組織変形と外科的相互作用による大域的な運動の整合性の両方を正確に把握する。
DaVinciのロボット手術ビデオとベンチマークデータセット(EndoNeRF, StereoMIS)の大規模な実験は、ColorGSが最先端のパフォーマンスを実現し、PSNRが39.85(以前の3DGSベースの手法よりも1.5高い)、SSIMが97.25\%(英語版)であることを示した。
本研究は,術中指導とAR/VR応用に不可欠な高忠実度と計算実用性とのバランスをとることで,手術シーンの再構築を推し進める。
関連論文リスト
- ClipGS: Clippable Gaussian Splatting for Interactive Cinematic Visualization of Volumetric Medical Data [51.095474325541794]
医用データのインタラクティブなシネマティック可視化のためのクリッピングプレーンを備えた革新的なガウススプレイティングフレームワークであるClipGSを紹介した。
本手法を5つのボリューム医療データで検証し,平均36.635 PSNRレンダリング品質を156 FPS,16.1MBモデルサイズで達成した。
論文 参考訳（メタデータ） (2025-07-09T08:24:28Z) - Feature-EndoGaussian: Feature Distilled Gaussian Splatting in Surgical Deformable Scene Reconstruction [26.358467072736524]
3DGSの拡張であるFeature-EndoGaussian (FEG)を導入し、2Dセグメンテーションキューを3Dレンダリングに統合し、リアルタイムなセマンティックとシーン再構築を実現する。
FEGは先行法に比べて優れた性能(SSIMは0.97、PSNRは39.08、LPIPSは0.03)を達成している。
論文 参考訳（メタデータ） (2025-03-08T10:50:19Z) - Deformable Gaussian Splatting for Efficient and High-Fidelity Reconstruction of Surgical Scenes [11.151168064680444]
EH-SurGSは変形可能な手術シーンのための効率的かつ高忠実な再構成アルゴリズムである。
手術シーン内の静的領域と変形可能な領域を区別する適応的な動作階層戦略を提案する。
論文 参考訳（メタデータ） (2025-01-02T06:50:25Z) - Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。
本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。
提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-11-25T08:23:38Z) - GUS-IR: Gaussian Splatting with Unified Shading for Inverse Rendering [83.69136534797686]
GUS-IRは、粗く光沢のある表面を特徴とする複雑なシーンの逆レンダリング問題に対処するために設計された新しいフレームワークである。
本稿では、逆レンダリング、フォワードシェーディング、遅延シェーディングに広く使われている2つの顕著なシェーディング技術を分析し、比較することから始める。
両手法の利点を組み合わせた統合シェーディングソリューションを提案する。
論文 参考訳（メタデータ） (2024-11-12T01:51:05Z) - Event3DGS: Event-Based 3D Gaussian Splatting for High-Speed Robot Egomotion [54.197343533492486]
Event3DGSは高速移動下で高忠実度3D構造と外観を再構築することができる。
複数の合成および実世界のデータセットの実験は、既存のイベントベースの高密度な3Dシーン再構築フレームワークと比較して、Event3DGSの優位性を示している。
また, 構造的精度を損なうことなく, 外観の忠実度をより高められるように, フレームベースで数回の動特性測定を再構成プロセスに組み込むことも可能である。
論文 参考訳（メタデータ） (2024-06-05T06:06:03Z) - Deform3DGS: Flexible Deformation for Fast Surgical Scene Reconstruction with Gaussian Splatting [20.147880388740287]
この研究は、内視鏡手術中に変形可能な組織に対して、Deform3DGSと呼ばれる新しい高速再構築フレームワークを提示する。
リアルタイム3Dレンダリングの新技術である3D Gaussian Splattingを,ポイントクラウドを統合して手術シーンに導入する。
また,個々のガウスレベルにおける組織変形動態を学習するためのフレキシブルな変形モデリング手法 (FDM) を提案する。
論文 参考訳（メタデータ） (2024-05-28T05:14:57Z) - Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。
具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。
より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
論文 参考訳（メタデータ） (2024-03-18T03:46:26Z) - GaussianBody: Clothed Human Reconstruction via 3d Gaussian Splatting [14.937297984020821]
本稿では,3次元ガウシアンスプラッティングをベースとした,ガウシアンボディと呼ばれる新しい布地復元手法を提案する。
静的な3次元ガウススメッティングモデルを動的復元問題に適用することは、複雑な非剛性変形とリッチな布の細部のために非自明である。
本手法は,ダイナミックな衣料人体に高精細な画質で,最先端のフォトリアリスティックなノベルビューレンダリングを実現できることを示す。
論文 参考訳（メタデータ） (2024-01-18T04:48:13Z)
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。