論文の概要: LamiGauss: Pitching Radiative Gaussian for Sparse-View X-ray Laminography Reconstruction

• arxiv url: http://arxiv.org/abs/2509.13863v1
• Date: Wed, 17 Sep 2025 09:53:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.810614
• Title: LamiGauss: Pitching Radiative Gaussian for Sparse-View X-ray Laminography Reconstruction
• Title（参考訳）: LamiGauss: Sparse-View X-ray Laminography 再建のためのピッチング・ラジエート・ガウス
• Authors: Chu Chen, Ander Biguri, Jean-Michel Morel, Raymond H. Chan, Carola-Bibiane Schönlieb, Jizhou Li,
• Abstract要約: X線CT(Computerd Laminography, CL)は, マイクロチップや複合電池材料の板状構造物の非破壊検査に必須である。 本稿では,ガウス散乱放射化と専用検出器-世界変換モデルを組み合わせた再構成アルゴリズムLamiGaussを提案する。 提案手法はスパースプロジェクションから直接効率よく最適化し,限られたデータによる高精度かつ効率的な再構成を可能にする。
• 参考スコア（独自算出の注目度）: 27.301249008852768
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: X-ray Computed Laminography (CL) is essential for non-destructive inspection of plate-like structures in applications such as microchips and composite battery materials, where traditional computed tomography (CT) struggles due to geometric constraints. However, reconstructing high-quality volumes from laminographic projections remains challenging, particularly under highly sparse-view acquisition conditions. In this paper, we propose a reconstruction algorithm, namely LamiGauss, that combines Gaussian Splatting radiative rasterization with a dedicated detector-to-world transformation model incorporating the laminographic tilt angle. LamiGauss leverages an initialization strategy that explicitly filters out common laminographic artifacts from the preliminary reconstruction, preventing redundant Gaussians from being allocated to false structures and thereby concentrating model capacity on representing the genuine object. Our approach effectively optimizes directly from sparse projections, enabling accurate and efficient reconstruction with limited data. Extensive experiments on both synthetic and real datasets demonstrate the effectiveness and superiority of the proposed method over existing techniques. LamiGauss uses only 3$\%$ of full views to achieve superior performance over the iterative method optimized on a full dataset.
• Abstract（参考訳）: X線CT(Computerd Laminography, CL)は, マイクロチップや複合電池材料などの応用において, プレート状構造物の非破壊検査に必須である。 しかし、特に希少な取得条件下では、ラミノグラフィー・プロジェクションから高品質なボリュームを再構築することは困難である。 本稿では,ラミノグラフの傾きを取り入れた専用検出器-世界変換モデルとガウスの放射ラスタ化を併用したレコンストラクションアルゴリズムLamiGaussを提案する。 LamiGaussは、初期化戦略を利用して、予備的な再構成から共通のラミノグラフィーアーティファクトを明示的にフィルタリングし、冗長なガウスアンが偽構造に割り当てられることを防ぐ。 提案手法は,スパースプロジェクションを直接最適化し,限られたデータによる高精度かつ効率的な再構成を可能にする。 合成データと実データの両方に対する大規模な実験により,既存の手法よりも提案手法の有効性と優位性を示した。 LamiGaussは、完全なデータセットに最適化された反復的メソッドよりも優れたパフォーマンスを達成するために、3$\%のフルビューしか使用していない。

関連論文リスト

• ProtoGS: Efficient and High-Quality Rendering with 3D Gaussian Prototypes [81.48624894781257]
  3D Gaussian Splatting (3DGS) は、新しいビュー合成において大きな進歩を遂げてきたが、ガウスプリミティブのかなりの数によって制限されている。 近年の手法では、密度の高いガウスの記憶容量を圧縮することでこの問題に対処しているが、レンダリングの品質と効率の維持には失敗している。 本稿では,ガウスの原始体を表現するためにガウスのプロトタイプを学習するProtoGSを提案し,視覚的品質を犠牲にすることなくガウスの総量を大幅に削減する。
  論文  参考訳（メタデータ） (2025-03-21T18:55:14Z)
• Discretized Gaussian Representation for Tomographic Reconstruction [20.390232991700977]
  我々はCT再構成のための離散化ガウス表現法(DGR)を提案する。 DGRは、離散化されたガウス関数の集合をエンドツーエンドで直接3Dボリュームを再構成する。 実世界のデータセットと合成データセットの両方に対する実験により、DGRはより優れた再構成品質を実現し、計算効率を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2024-11-07T16:32:29Z)
• GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
  GeoSplattingは、3DGSを精密な光輸送モデリングのための明確な幾何学的ガイダンスで拡張する新しいアプローチである。 最適化可能なメッシュから表面積の3DGSを微分的に構築することにより、明確に定義されたメッシュ正規と不透明なメッシュ表面を利用する。 この強化により、3DGSの効率性と高品質なレンダリング能力を保ちながら、正確な材料分解が保証される。
  論文  参考訳（メタデータ） (2024-10-31T17:57:07Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• Geometric Constraints Enable Self-Supervised Sinogram Inpainting in Sparse-View Tomography [7.416898042520079]
  スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。 既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。 本研究は、勾配に基づく最適化により、欠落した射影ビューを最適化する自己教師付きプロジェクションインペインティング法を提案する。
  論文  参考訳（メタデータ） (2023-02-13T15:15:18Z)
• Generalizable Limited-Angle CT Reconstruction via Sinogram Extrapolation [17.084877038511557]
  シングラム外挿モジュールの導入により,リミテッドアングルCT再構成のためのExtraPolationNetworkを提案する。 我々の再構成モデルは,既存のアプローチと同様,NIH-AAPMデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-03-09T06:58:09Z)

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。