論文の概要: Cholec80-port: A Geometrically Consistent Trocar Port Segmentation Dataset for Robust Surgical Scene Understanding

• arxiv url: http://arxiv.org/abs/2602.17060v1
• Date: Thu, 19 Feb 2026 04:03:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:28.625571
• Title: Cholec80-port: A Geometrically Consistent Trocar Port Segmentation Dataset for Robust Surgical Scene Understanding
• Title（参考訳）: Cholec80-port:ロバスト手術シーン理解のための幾何学的に一貫性のあるトロカーポートセグメンテーションデータセット
• Abstract要約: Cholec80-portは、Colec80から派生した高忠実度トロカーポートセグメンテーションデータセットである。 我々はまた、同じSOPの下で既存の公開データセットをクリーン化し、統一する実験を行い、幾何学的に一貫したアノテーションが、データセット間の堅牢性を大幅に改善することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Trocar ports are camera-fixed, pseudo-static structures that can persistently occlude laparoscopic views and attract disproportionate feature points due to specular, textured surfaces. This makes ports particularly detrimental to geometry-based downstream pipelines such as image stitching, 3D reconstruction, and visual SLAM, where dynamic or non-anatomical outliers degrade alignment and tracking stability. Despite this practical importance, explicit port labels are rare in public surgical datasets, and existing annotations often violate geometric consistency by masking the central lumen (opening), even when anatomical regions are visible through it. We present Cholec80-port, a high-fidelity trocar port segmentation dataset derived from Cholec80, together with a rigorous standard operating procedure (SOP) that defines a port-sleeve mask excluding the central opening. We additionally cleanse and unify existing public datasets under the same SOP. Experiments demonstrate that geometrically consistent annotations substantially improve cross-dataset robustness beyond what dataset size alone provides.
• Abstract（参考訳）: トロカーポートは、カメラで固定された擬似静電構造で、腹腔鏡の視界を持続的に遮蔽し、特異でテクスチャ化された表面のために不均質な特徴点を引き付けることができる。 これにより、画像縫合、3D再構成、視覚SLAMのような幾何学に基づく下流パイプラインに特に有害なポートとなり、動的または非解剖学的外れ値がアライメントとトラッキングの安定性を低下させる。 この実際的な重要性にもかかわらず、公的な外科的データセットでは明示的なポートラベルはまれであり、既存のアノテーションは、解剖学的領域がそれを通して見える場合でも、中央のルーメン(開口部)を隠蔽することで、幾何学的整合性に反することが多い。 我々はColec80から派生した高忠実度トロカーポートセグメンテーションデータセットであるColec80-portと、中心開口部を除くポートリーブマスクを定義する厳密な標準操作手順(SOP)について述べる。 また、同じSOPの下で既存の公開データセットをクリーン化し、統一します。 実験により、幾何的に一貫性のあるアノテーションは、データセットのサイズだけでなく、データセット間の堅牢性を大幅に改善することが示された。

関連論文リスト

• FDR-Occ: Factorized Dense Routing for Full-Spectrum 3D Occupancy Prediction [63.738631229597274]
  視覚に基づく3次元占有予測は、基本的に2次元から3次元のビュー変換に依存している。 現在のパラダイムは、厳密でスパースなカメラ線にルーティング行列を人工的に制限する明示的な物理射影を主に利用している。 本稿では,このボトルネックを解消するためにFDR(Facterized Dense Routing)を提案する。 本フレームワークは,Occ3D-nuScenesおよびOcc3D-Waymoベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-07-04T11:12:42Z)
• Beyond Spatial Compression: Interface-Centric Generative States for Open-World 3D Structure [55.17771962316751]
  現在の3Dトークンは、表現を空間圧縮として扱うが、コンポーネントの所有権とアタッチメントの妥当性は暗黙的に残す。 我々は、トークン化がパッシブ圧縮コードではなく操作状態を構成する、インターフェイス中心の生成状態という別の視点を定式化する。 我々は、この定式化を、C2LT-3D(Component-Conditioned Canonical Local Tokens)でインスタンス化し、表現を標準局所幾何学、パーティション条件付きコンテキスト、およびリレーショナルシーム変数に分解する。
  論文  参考訳（メタデータ） (2026-05-11T12:09:28Z)
• Breaking the Rigid Prior: Towards Articulated 3D Anomaly Detection [22.176584838343604]
  ArtiADは3D異常検出のための最初の大規模ベンチマークである。 SPA-SDF(Shape-Pose-Aware Signed Distance Field)を提案する。 SPA-SDFは、目に見える構成で0.884のオブジェクトレベルAUROC、目に見えない構成で0.874を達成し、全ての剛性ベースのベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-29T16:35:26Z)
• Towards Foundation Models for 3D Scene Understanding: Instance-Aware Self-Supervised Learning for Point Clouds [53.82500407523346]
  PointINSは、幾何学的学習を通じてポイントクラウド表現を豊かにする、インスタンス指向の自己組織化フレームワークである。 PointINSは、屋内のインスタンスセグメンテーションで平均+3.5%のmAP改善、屋外のパン光学セグメンテーションで+4.1%のPQゲインを達成している。
  論文  参考訳（メタデータ） (2026-03-26T08:31:06Z)
• Positional Segmentor-Guided Counterfactual Fine-Tuning for Spatially Localized Image Synthesis [12.537078681597498]
  本研究では,各構造を地域区分に分割し,地域ごとの独立測定を導出する位置情報セグ-CFTを提案する。 冠動脈造影による冠動脈造影では,Pos-Seg-CFTは領域特異的な現実的な変化を生じ,疾患の進行をモデル化するためのより詳細な空間制御を提供することが示された。
  論文  参考訳（メタデータ） (2026-03-22T13:12:16Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• OccFace: Unified Occlusion-Aware Facial Landmark Detection with Per-Point Visibility [8.708549462490295]
  OccFaceは、普遍的な人間のような顔のためのオクルージョン認識フレームワークである。 OccFaceは100ポイントの統一レイアウトとヒートマップベースのバックボーンを採用している。 OccFaceは、ローカルエビデンスとランドマークコンテキストを組み合わせることで、ランドマーク座標とポイント単位の可視性を予測する。
  論文  参考訳（メタデータ） (2026-02-11T10:42:55Z)
• Anatomy Aware Cascade Network: Bridging Epistemic Uncertainty and Geometric Manifold for 3D Tooth Segmentation [13.650721192161079]
  境界のあいまいさを解消し,グローバルな構造的整合性を維持するために,AACNet(Anatomy Aware Cascade Network)を提案する。 AACNetは90.17 %のDice類似度係数と95%のHausdorff Distanceの3.63 mmを実現し,最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-01-12T12:53:27Z)
• Source-Only Cross-Weather LiDAR via Geometry-Aware Point Drop [0.7734726150561086]
  LiDARセマンティックセグメンテーションは、屈折、散乱、点降下が幾何を損なうため、悪天候で劣化する。 本稿では,アジマスをアジマスに整列させ,隣接する連続性を維持するために円形のパディングを施した光幾何対応アダプタを提案する。 このアダプタは、データ中心の増分ベースラインでmIoUを7.9ポイント、クラス中心の正規化ベースラインで0.6ポイント改善する。
  論文  参考訳（メタデータ） (2025-11-03T05:44:07Z)
• Geometry-Editable and Appearance-Preserving Object Compositon [67.98806888489385]
  汎用オブジェクト合成(GOC)は、対象オブジェクトを望まれる幾何学的性質を持つ背景シーンにシームレスに統合することを目的としている。 近年のアプローチは意味的埋め込みを導出し、それらを高度な拡散モデルに統合し、幾何学的に編集可能な生成を可能にする。 本稿では,まずセマンティックな埋め込みを活用して,所望の幾何学的変換を暗黙的にキャプチャするDistangled Geometry-editable and Outearance-Preserving Diffusionモデルを提案する。
  論文  参考訳（メタデータ） (2025-05-27T09:05:28Z)
• STAR-Edge: Structure-aware Local Spherical Curve Representation for Thin-walled Edge Extraction from Unstructured Point Clouds [20.484401728812376]
  薄肉構造体におけるエッジ点の検出と精錬のための新しいアプローチであるSTAR-Edgeを紹介する。 提案手法は, 局所球面曲線のユニークな表現を活用し, 構造認識近傍を創出する。 ABCデータセットと薄肉構造特化データセットで実施された実験は、STAR-Edgeが既存のエッジ検出方法より優れていることを示した。
  論文  参考訳（メタデータ） (2025-03-02T08:51:13Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• Mesh Denoising Transformer [104.5404564075393]
  Mesh Denoisingは、入力メッシュからノイズを取り除き、特徴構造を保存することを目的としている。 SurfaceFormerはTransformerベースのメッシュDenoisingフレームワークのパイオニアだ。 局所曲面記述子(Local Surface Descriptor)として知られる新しい表現は、局所幾何学的複雑さをキャプチャする。 Denoising Transformerモジュールは、マルチモーダル情報を受信し、効率的なグローバル機能アグリゲーションを実現する。
  論文  参考訳（メタデータ） (2024-05-10T15:27:43Z)
• KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
  KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。 オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
  論文  参考訳（メタデータ） (2024-03-15T08:44:56Z)
• A geometry-aware deep network for depth estimation in monocular endoscopy [17.425158094539462]
  提案手法は,異なるデータセットと臨床画像にまたがって広範囲に検証されている。 提案法の平均RMSE値は12.604(T1-L1)、9.930(T2-L2)、13.893(Colon)である。
  論文  参考訳（メタデータ） (2023-04-20T11:59:32Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)

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。