論文の概要: Posterior shape models revisited: Improving 3D reconstructions from partial data using target specific models

• arxiv url: http://arxiv.org/abs/2509.05776v1
• Date: Sat, 06 Sep 2025 17:16:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.706964
• Title: Posterior shape models revisited: Improving 3D reconstructions from partial data using target specific models
• Title（参考訳）: 後部形状モデルの再検討:ターゲット特定モデルを用いた部分的データからの3次元再構成の改善
• Authors: Jonathan Aellen, Florian Burkhardt, Thomas Vetter, Marcel Lüthi,
• Abstract要約: 医用画像では、点分布モデルは、しばしば部分的な形状の再構成と完全化に使用される。 トレーニングとターゲット形状のポーズアライメントの違いは、偏りのある解につながる。 本稿では,既存のモデルを特定のターゲットに適応させる効率的な手法を提案する。
• 参考スコア（独自算出の注目度）: 2.7029768269361854
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In medical imaging, point distribution models are often used to reconstruct and complete partial shapes using a statistical model of the full shape. A commonly overlooked, but crucial factor in this reconstruction process, is the pose of the training data relative to the partial target shape. A difference in pose alignment of the training and target shape leads to biased solutions, particularly when observing small parts of a shape. In this paper, we demonstrate the importance of pose alignment for partial shape reconstructions and propose an efficient method to adjust an existing model to a specific target. Our method preserves the computational efficiency of linear models while significantly improving reconstruction accuracy and predicted variance. It exactly recovers the intended aligned model for translations, and provides a good approximation for small rotations, all without access to the original training data. Hence, existing shape models in reconstruction pipelines can be adapted by a simple preprocessing step, making our approach widely applicable in plug-and-play scenarios.
• Abstract（参考訳）: 医用画像では、完全形状の統計モデルを用いて、点分布モデルを用いて部分形状の再構成と完全な部分形状の復元を行うことが多い。 一般に見過ごされがちだが、この再建過程において重要な要素は、部分的ターゲット形状に対するトレーニングデータのポーズである。 トレーニングとターゲット形状のポーズアライメントの違いは、特に小さな形状の観察において、偏りのある解をもたらす。 本稿では,部分形状再構成におけるポーズアライメントの重要性を実証し,既存のモデルを特定のターゲットに適応させる効率的な手法を提案する。 本手法は線形モデルの計算効率を保ちながら,再現精度と予測分散を著しく改善する。 翻訳のためのアライメントモデルを正確に復元し、元のトレーニングデータにアクセスせずに、小さなローテーションのための優れた近似を提供する。 したがって、再構成パイプラインの既存の形状モデルは、単純な前処理ステップで適応できるため、プラグ・アンド・プレイのシナリオにおいて、我々のアプローチは広く適用できる。

関連論文リスト

• Canonical Pose Reconstruction from Single Depth Image for 3D Non-rigid Pose Recovery on Limited Datasets [55.84702107871358]
  2Dインプットからの3D再構成、特に人間のような非剛体オブジェクトは、ユニークな課題を提示する。 従来の手法は、変形空間全体をカバーするために広範囲なトレーニングデータを必要とする非剛体形状に苦しむことが多い。 本研究では,変形可能な形状の単一視点深度画像を標準形に変換する正準ポーズ再構成モデルを提案する。
  論文  参考訳（メタデータ） (2025-05-23T14:58:34Z)
• Detection Based Part-level Articulated Object Reconstruction from Single RGBD Image [52.11275397911693]
  本稿では,1枚のRGBD画像から複数の人工関節オブジェクトを再構成する,エンドツーエンドで訓練可能なクロスカテゴリ手法を提案する。 私たちは、あらかじめ定義された部分数で人工的なオブジェクトに焦点をあて、インスタンスレベルの潜在空間を学習することに依存する以前の作業から離れています。 提案手法は, 従来の作業では処理できない様々な構成された複数インスタンスの再構築に成功し, 形状再構成や運動学推定において, 先行の作業よりも優れていた。
  論文  参考訳（メタデータ） (2025-04-04T05:08:04Z)
• A Fusion of Variational Distribution Priors and Saliency Map Replay for Continual 3D Reconstruction [1.2289361708127877]
  単一画像からの3次元物体形状の予測に焦点をあてた研究課題である。 このタスクは、形状の可視部分と隠蔽部分の両方を予測するために、重要なデータ取得を必要とする。 本稿では,従来のクラスを新しいクラスで学習した後でも合理的に再構築できる変分優先を用いたモデルの設計を目標とする,連続的な学習に基づく3D再構成手法を提案する。
  論文  参考訳（メタデータ） (2023-08-17T06:48:55Z)
• Probabilistic Registration for Gaussian Process 3D shape modelling in the presence of extensive missing data [63.8376359764052]
  本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。 様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
  論文  参考訳（メタデータ） (2022-03-26T16:48:27Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Representing Shape Collections with Alignment-Aware Linear Models [17.635846912560627]
  3次元点雲の古典的表現を線形形状モデルとして再考する。 私たちの重要な洞察は、ディープラーニングを活用して、アフィン変換として形状の集合を表現することです。
  論文  参考訳（メタデータ） (2021-09-03T16:28:34Z)
• Probabilistic Modeling for Human Mesh Recovery [73.11532990173441]
  本稿では,2次元の証拠から3次元の人体復元の問題に焦点を当てた。 我々は,この問題を,入力から3Dポーズの分布へのマッピング学習として再考した。
  論文  参考訳（メタデータ） (2021-08-26T17:55:11Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)

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。