論文の概要: TG-Field: Geometry-Aware Radiative Gaussian Fields for Tomographic Reconstruction
- arxiv url: http://arxiv.org/abs/2602.11705v1
- Date: Thu, 12 Feb 2026 08:33:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-13 21:07:25.721786
- Title: TG-Field: Geometry-Aware Radiative Gaussian Fields for Tomographic Reconstruction
- Title（参考訳）: TG-Field:トモグラフィー再構成のための幾何学的放射型ガウス場
- Authors: Yuxiang Zhong, Jun Wei, Chaoqi Chen, Senyou An, Hui Huang,
- Abstract要約: Tomography Geometry Field (TG-Field) は、CT再構成のための幾何学的なガウス変形フレームワークである。
TG-Fieldは既存の手法を常に上回り、高度にスパース・ビュー条件下で最先端の復元精度を達成する。
- 参考スコア（独自算出の注目度）: 16.246538335191982
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3DGS) has revolutionized 3D scene representation with superior efficiency and quality. While recent adaptations for computed tomography (CT) show promise, they struggle with severe artifacts under highly sparse-view projections and dynamic motions. To address these challenges, we propose Tomographic Geometry Field (TG-Field), a geometry-aware Gaussian deformation framework tailored for both static and dynamic CT reconstruction. A multi-resolution hash encoder is employed to capture local spatial priors, regularizing primitive parameters under ultra-sparse settings. We further extend the framework to dynamic reconstruction by introducing time-conditioned representations and a spatiotemporal attention block to adaptively aggregate features, thereby resolving spatiotemporal ambiguities and enforcing temporal coherence. In addition, a motion-flow network models fine-grained respiratory motion to track local anatomical deformations. Extensive experiments on synthetic and real-world datasets demonstrate that TG-Field consistently outperforms existing methods, achieving state-of-the-art reconstruction accuracy under highly sparse-view conditions.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、3Dシーン表現に革命をもたらし、効率と品質が向上した。
CT(Computerd tomography)の最近の適応は有望であるが、高度にスパース・ビュー・プロジェクションやダイナミック・モーションの下では厳しい成果物に悩まされている。
これらの課題に対処するために,静的および動的CT再構成に適した幾何学的ガウス変形フレームワークであるトモグラフィ幾何場(TG-Field)を提案する。
マルチレゾリューションハッシュエンコーダは、局所的な空間的先行値をキャプチャし、超スパースな設定でプリミティブパラメータを正規化するために使用される。
時間条件付き表現と時空間の注意ブロックを導入し,特徴を適応的に集約し,時空間の曖昧さを解消し,時間的コヒーレンスを強制することで,動的再構築への枠組みをさらに拡張する。
さらに、モーションフローネットワークは、局所的な解剖学的変形を追跡するための微細な呼吸運動をモデル化する。
合成および実世界のデータセットに関する大規模な実験により、TG-Fieldは既存の手法を一貫して上回り、高度にスパース・ビュー条件下で最先端の復元精度を達成することを示した。
関連論文リスト
- MAPo : Motion-Aware Partitioning of Deformable 3D Gaussian Splatting for High-Fidelity Dynamic Scene Reconstruction [13.28997490352807]
変形可能な3次元ガウス平板(MAPo)の運動認識分割について紹介する。
MAPoは高忠実度動的シーン再構築のための新しいフレームワークである。
これは、同等の計算コストを維持しながら、ベースラインよりも優れたレンダリング品質を実現する。
論文 参考訳（メタデータ） (2025-08-27T11:10:46Z) - Laplacian Analysis Meets Dynamics Modelling: Gaussian Splatting for 4D Reconstruction [9.911802466255653]
本稿では,ハイブリッドな明示的関数を持つ動的3DGSフレームワークを提案する。
本手法は, 複雑な動的シーンを再構築する際の最先端性能を実証し, 再現精度を向上する。
論文 参考訳（メタデータ） (2025-08-07T01:39:29Z) - DGS-LRM: Real-Time Deformable 3D Gaussian Reconstruction From Monocular Videos [52.46386528202226]
Deformable Gaussian Splats Large Reconstruction Model (DGS-LRM)を紹介する。
動的シーンのモノクロポーズビデオから変形可能な3Dガウススプラットを予測する最初のフィードフォワード法である。
最先端のモノクロビデオ3D追跡手法と同等の性能を発揮する。
論文 参考訳（メタデータ） (2025-06-11T17:59:58Z) - FreeTimeGS: Free Gaussian Primitives at Anytime and Anywhere for Dynamic Scene Reconstruction [64.30050475414947]
FreeTimeGSはガウスのプリミティブを任意の時間と位置で表示できる新しい4D表現である。
我々の表現は強い柔軟性を持ち、ダイナミックな3Dシーンをモデル化する能力を向上させる。
いくつかのデータセットに対する実験結果から,本手法のレンダリング品質は,最近の手法よりも大きなマージンで優れていることが示された。
論文 参考訳（メタデータ） (2025-06-05T17:59:57Z) - STDR: Spatio-Temporal Decoupling for Real-Time Dynamic Scene Rendering [15.873329633980015]
既存の3DGSに基づく動的再構成法は、しばしばtextbfSTDR(リアルタイムレンダリングのための空間結合デテンポラル)に悩まされる
実時間レンダリングのためのテキストbfSTDR (Spatio-coupling DeTemporal for Real-time rendering) を提案する。
論文 参考訳（メタデータ） (2025-05-28T14:26:41Z) - Diffusion-Guided Gaussian Splatting for Large-Scale Unconstrained 3D Reconstruction and Novel View Synthesis [22.767866875051013]
本稿では,現行手法の限界に対処する多視点拡散モデルを用いて,新しい3DGSフレームワークであるGS-Diffを提案する。
マルチビュー入力に条件付き擬似観測を生成することにより、制約の少ない3次元再構成問題をよく表されたものに変換する。
4つのベンチマークの実験では、GS-Diffは最先端のベースラインをかなりのマージンで一貫して上回っている。
論文 参考訳（メタデータ） (2025-04-02T17:59:46Z) - DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。
複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
論文 参考訳（メタデータ） (2024-11-18T05:49:16Z) - GaussianRoom: Improving 3D Gaussian Splatting with SDF Guidance and Monocular Cues for Indoor Scene Reconstruction [5.112375652774415]
本稿では,SDFと3DGSを統合し,正確な幾何再構成とリアルタイムレンダリングを行う統合最適化フレームワークを提案する。
本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-05-30T03:46:59Z) - Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。
GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。
GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
論文 参考訳（メタデータ） (2024-04-16T17:57:19Z) - SC-GS: Sparse-Controlled Gaussian Splatting for Editable Dynamic Scenes [59.23385953161328]
動的シーンのための新しいビュー合成は、コンピュータビジョンとグラフィックスにおいて依然として難しい問題である。
本稿では,動的シーンの動作と外観を疎制御点と高密度ガウスに明示的に分解する新しい表現を提案する。
提案手法は,高忠実度な外観を維持しつつ,ユーザ制御のモーション編集を可能にする。
論文 参考訳（メタデータ） (2023-12-04T11:57:14Z)
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。