論文の概要: Hybrid Foveated Path Tracing with Peripheral Gaussians for Immersive Anatomy

• arxiv url: http://arxiv.org/abs/2601.22026v1
• Date: Thu, 29 Jan 2026 17:33:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:50.044272
• Title: Hybrid Foveated Path Tracing with Peripheral Gaussians for Immersive Anatomy
• Title（参考訳）: 浸漬解剖のための周辺ガウスを用いたハイブリッド舗装経路追跡
• Authors: Constantin Kleinbeck, Luisa Theelke, Hannah Schieber, Ulrich Eck, Rüdiger von Eisenhart-Rothe, Daniel Roth,
• Abstract要約: 従来の2Dスライスでは、空間的関係の解釈がほとんどサポートされない。 直接の経路追跡とVRレンダリングにより知覚が向上するが、計算コストは高い。 本稿では,高品質,インタラクティブ,没入型解剖学的可視化のためのハイブリッドレンダリング手法を提案する。
• 参考スコア（独自算出の注目度）: 6.112599804159643
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Volumetric medical imaging offers great potential for understanding complex pathologies. Yet, traditional 2D slices provide little support for interpreting spatial relationships, forcing users to mentally reconstruct anatomy into three dimensions. Direct volumetric path tracing and VR rendering can improve perception but are computationally expensive, while precomputed representations, like Gaussian Splatting, require planning ahead. Both approaches limit interactive use. We propose a hybrid rendering approach for high-quality, interactive, and immersive anatomical visualization. Our method combines streamed foveated path tracing with a lightweight Gaussian Splatting approximation of the periphery. The peripheral model generation is optimized with volume data and continuously refined using foveal renderings, enabling interactive updates. Depth-guided reprojection further improves robustness to latency and allows users to balance fidelity with refresh rate. We compare our method against direct path tracing and Gaussian Splatting. Our results highlight how their combination can preserve strengths in visual quality while re-generating the peripheral model in under a second, eliminating extensive preprocessing and approximations. This opens new options for interactive medical visualization.
• Abstract（参考訳）: ボリューム・メディカル・イメージングは、複雑な病態を理解する大きな可能性を秘めている。 しかし、従来の2Dスライスでは空間的関係の解釈がほとんどサポートされず、ユーザーは解剖学を3次元に再構築せざるを得ない。 直接のボリュームパスのトレースとVRレンダリングは知覚を改善することができるが、計算コストが高い。 どちらのアプローチもインタラクティブな使用を制限する。 本稿では,高品質,インタラクティブ,没入型解剖学的可視化のためのハイブリッドレンダリング手法を提案する。 提案手法は, ストリームトレーシングとガウススプラッティングによる周辺環境の近似を併用する。 周辺モデル生成はボリュームデータに最適化され、葉のレンダリングを使って連続的に洗練され、インタラクティブな更新が可能である。 奥行き誘導された再計画により、レイテンシの堅牢性はさらに向上し、ユーザーはリフレッシュレートで忠実さのバランスをとることができる。 直接経路追跡法とガウススプラッティング法との比較を行った。 その結果, 周辺モデルを1秒未満で生成し, 広範囲な前処理や近似を排除しながら, 視覚的品質の強さを保たせるかが明らかとなった。 これにより、インタラクティブな医療ビジュアライゼーションの新しい選択肢が開かれる。

関連論文リスト

• Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
  本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。 従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。 我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
  論文  参考訳（メタデータ） (2026-01-05T18:33:50Z)
• Fast and Explicit: Slice-to-Volume Reconstruction via 3D Gaussian Primitives with Analytic Point Spread Function Modeling [16.058575857567373]
  脳の高分解能3D再構成は、運動崩壊した低分解能2D取得から、正確な神経発達診断の必要条件である。 本研究では,ニューラルネットワークに基づく表現から明示的な表現へのシフトを提案する。 本研究の枠組みは, リアルタイム3次元MRIの臨床的ルーチンへの転換の道筋をたどるものである。
  論文  参考訳（メタデータ） (2025-12-12T15:01:30Z)
• JointSplat: Probabilistic Joint Flow-Depth Optimization for Sparse-View Gaussian Splatting [10.690965024885358]
  スパースの観点から3Dシーンを再構築することは、幅広いアプリケーションにおいて長年にわたる課題である。 近年のフィードフォワード3Dガウスのスパースビュー再構成法は, リアルタイムな新規ビュー合成のための効率的な解法である。 光学的流れと深さの相補性を利用する統一的なフレームワークであるJointSplatを提案する。
  論文  参考訳（メタデータ） (2025-06-04T12:04:40Z)
• LinPrim: Linear Primitives for Differentiable Volumetric Rendering [51.56484100374058]
  線形プリミティブに基づく2つの新しいシーン表現を導入する。 我々はGPU上で効率的に動作する異なるオクタライザを提案する。 我々は最先端の手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2025-01-27T18:49:38Z)
• GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
  スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。 我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。 いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-18T08:18:44Z)
• Multi-Layer Gaussian Splatting for Immersive Anatomy Visualization [1.0580610673031074]
  医用画像の可視化において、CTスキャンのような体積医学データのパストレースは、生命に似た可視化を生成する。 本稿では,CTスキャンの高速かつ静的な中間表現を実現するために,GSを用いた新しい手法を提案する。 本手法は,対象ハードウェアに品質を調整可能な解剖学的構造を保ちながら,インタラクティブなフレームレートを実現する。
  論文  参考訳（メタデータ） (2024-10-22T12:56:58Z)
• GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
  我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。 提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2023-12-04T18:59:55Z)

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。