Fugu-MT 論文翻訳(概要): Active View Selection with Perturbed Gaussian Ensemble for Tomographic Reconstruction

論文の概要: Active View Selection with Perturbed Gaussian Ensemble for Tomographic Reconstruction

arxiv url: http://arxiv.org/abs/2603.06852v1
Date: Fri, 06 Mar 2026 20:16:00 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-10 15:13:13.204741
Title: Active View Selection with Perturbed Gaussian Ensemble for Tomographic Reconstruction
Title（参考訳）: 断層画像再構成のための摂動ガウスアンサンブルを用いたアクティブビュー選択
Authors: Yulun Wu, Ruyi Zha, Wei Cao, Yingying Li, Yuanhao Cai, Yaoyao Liu,
Abstract要約: Sparse-view CT(Sparse-view Computed Tomography)は,患者の放射線被曝を減らすために重要である。放射線3Dガウススプラッティングの最近の進歩により,高速かつ高精度なスパルスCT再構成が可能となった。既存のアクティブビュー選択法では、X線イメージングに固有の特異な幾何学的曖昧さと物理的減衰特性を捉えることができない。
参考スコア（独自算出の注目度）: 26.60542816157164
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Sparse-view computed tomography (CT) is critical for reducing radiation exposure to patients. Recent advances in radiative 3D Gaussian Splatting (3DGS) have enabled fast and accurate sparse-view CT reconstruction. Despite these algorithmic advancements, practical reconstruction fidelity remains fundamentally bounded by the quality of the captured data, raising the crucial yet underexplored problem of X-ray active view selection. Existing active view selection methods are primarily designed for natural-light scenes and fail to capture the unique geometric ambiguities and physical attenuation properties inherent in X-ray imaging. In this paper, we present Perturbed Gaussian Ensemble, an active view selection framework that integrates uncertainty modeling with sequential decision-making, tailored for X-ray Gaussian Splatting. Specifically, we identify low-density Gaussian primitives that are likely to be uncertain and apply stochastic density scaling to construct an ensemble of plausible Gaussian density fields. For each candidate projection, we measure the structural variance of the ensemble predictions and select the one with the highest variance as the next best view. Extensive experimental results on arbitrary-trajectory CT benchmarks demonstrate that our density-guided perturbation strategy effectively eliminates geometric artifacts and consistently outperforms existing baselines in progressive tomographic reconstruction under unified view selection protocols.
Abstract（参考訳）: Sparse-view CT(Sparse-view Computed Tomography)は,患者の放射線被曝を減らすために重要である。放射線3Dガウススプラッティング(3DGS)の最近の進歩により,高速かつ高精度なスパルスCT再構成が可能となった。これらのアルゴリズムの進歩にもかかわらず、実際的な再構成の忠実度は、取得したデータの質に基礎的に拘束されており、X線能動ビュー選択の重要で未発見の問題を提起している。既存のアクティブビュー選択法は、主に自然光のシーン用に設計されており、X線イメージングに固有の特異な幾何学的曖昧さと物理的減衰特性を捉えることができない。本稿では,不確実性モデリングと逐次的意思決定を統合したアクティブビュー選択フレームワークであるPerturbed Gaussian Ensembleについて述べる。具体的には、不確かである可能性が高い低密度ガウス原始体を特定し、確率密度スケーリングを適用して、プラウシブルガウス密度場のアンサンブルを構築する。各候補予測に対して、アンサンブル予測の構造的分散を測定し、最も高い分散を次のベストビューとして選択する。任意軌道CTベンチマークによる広範囲な実験結果から,我々の密度誘導摂動戦略は幾何学的アーティファクトを効果的に排除し,一貫した視点選択プロトコルの下でのプログレッシブトモグラフィー再構成において,既存のベースラインを一貫して上回ることを示した。

関連論文リスト

ERGO: Excess-Risk-Guided Optimization for High-Fidelity Monocular 3D Gaussian Splatting [63.138778159026934]
本稿では,ERGOと呼ばれる過度のリスク分解によって導かれる適応最適化フレームワークを提案する。 ERGOはビュー固有の過剰リスクを動的に推定し、最適化中の損失重みを適応的に調整する。 Google Scanned ObjectsデータセットとOmniObject3Dデータセットの実験は、既存の最先端メソッドよりもERGOの方が優れていることを示している。
論文参考訳（メタデータ） (2026-02-10T20:44:43Z)
LamiGauss: Pitching Radiative Gaussian for Sparse-View X-ray Laminography Reconstruction [27.301249008852768]
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。
論文参考訳（メタデータ） (2025-09-17T09:53:47Z)
X-Field: A Physically Grounded Representation for 3D X-ray Reconstruction [25.13707706037451]
医療診断にはX線撮影が不可欠であるが、その使用は潜在的な健康リスクのために厳しく規制されている。最近の研究は、スパース入力から新しいビューを生成し、CT(Computed Tomography)ボリュームを再構築することに焦点を当てている。我々はX線画像に特化して設計された最初の3D表現であるX-Fieldを紹介する。
論文参考訳（メタデータ） (2025-03-11T16:31:56Z)
CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。 SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文参考訳（メタデータ） (2024-06-21T08:38:30Z)
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)
3DGR-CT: Sparse-View CT Reconstruction with a 3D Gaussian Representation [22.774998118050032]
スパースビューCT(Sparse-view Computed Tomography)は、投射を少なくすることで放射線被曝を減らす。これはしばしば、限られたデータのためにノイズやアーティファクトが増大する。スパースビューCT再構成のための新しい3次元ガウス表現法(3DGR)を提案する。
論文参考訳（メタデータ） (2023-12-25T09:47:33Z)
The Impact of Loss Functions and Scene Representations for 3D/2D Registration on Single-view Fluoroscopic X-ray Pose Estimation [1.758213853394712]
我々はまずデジタル再構成ラジオグラフィー(DRR)の効率的な計算のための微分可能プロジェクションレンダリングフレームワークを開発する。次に, 合成したDRRの画像差を, 地表面の蛍光X線画像に対して定量化する, 様々な候補損失関数を用いて, 反復降下によるポーズ推定を行う。 Mutual Information Loss を用いて,50 人の頭蓋骨の断層X線データを用いて行ったポーズ推定を総合的に評価した結果,DiffProj における識別 (CBCT) とニューラル (NeTT/mNeRF) のシーン表現のどちらを用いたかが示唆された。
論文参考訳（メタデータ） (2023-08-01T01:12:29Z)
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)
Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文参考訳（メタデータ） (2022-07-06T21:40:59Z)
Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文参考訳（メタデータ） (2020-10-05T14:18:52Z)

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。