論文の概要: ColonSplat: Reconstruction of Peristaltic Motion in Colonoscopy with Dynamic Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2603.06860v1
• Date: Fri, 06 Mar 2026 20:25:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.21095
• Title: ColonSplat: Reconstruction of Peristaltic Motion in Colonoscopy with Dynamic Gaussian Splatting
• Title（参考訳）: ColonSplat: Dynamic Gaussian Splatting を用いた大腸内視鏡下腹膜運動再建術
• Authors: Weronika Smolak-Dyżewska, Joanna Kaleta, Diego Dall'Alba, Przemysław Spurek,
• Abstract要約: ColonSplatは、グローバルな幾何学的整合性を維持しながら、周囲の動きをキャプチャする動的ガウススティングフレームワークである。 C3VDv2およびDynamicColonデータセット上で優れた幾何学的忠実性を実現する。
• 参考スコア（独自算出の注目度）: 2.0985839017885257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate 3D reconstruction of colonoscopy data, accounting for complex peristaltic movements, is crucial for advanced surgical navigation and retrospective diagnostics. While recent novel view synthesis and 3D reconstruction methods have demonstrated remarkable success in general endoscopic scenarios, they struggle in the highly constrained environment of the colon. Due to the limited field of view of a camera moving through an actively deforming tubular structure, existing endoscopic methods reconstruct the colon appearance only for initial camera trajectory. However, the underlying anatomy remains largely static; instead of updating Gaussians' spatial coordinates (xyz), these methods encode deformation through either rotation, scale or opacity adjustments. In this paper, we first present a benchmark analysis of state-of-the-art dynamic endoscopic methods for realistic colonoscopic scenes, showing that they fail to model true anatomical motion. To enable rigorous evaluation of global reconstruction quality, we introduce DynamicColon, a synthetic dataset with ground-truth point clouds at every timestep. Building on these insights, we propose ColonSplat, a dynamic Gaussian Splatting framework that captures peristaltic-like motion while preserving global geometric consistency, achieving superior geometric fidelity on C3VDv2 and DynamicColon datasets. Project page: https://wmito.github.io/ColonSplat
• Abstract（参考訳）: 大腸内視鏡データの正確な3D再構成は,高度な手術ナビゲーションと振り返り診断に不可欠である。 近年の新規なビュー合成法と3次元再構成法は一般的な内視鏡的シナリオにおいて顕著な成功を収めているが,大腸の高度に拘束された環境において苦戦している。 アクティブに変形する管状構造を移動するカメラの視野が限られているため、既存の内視鏡的手法では、初期カメラ軌道のみに大腸の外観を再構築する。 しかし、基礎となる解剖学は、ガウスの空間座標(xyz)を更新する代わりに、回転、スケールまたは不透明度調整によって変形を符号化する。 本稿ではまず,実際の大腸内視鏡的シーンに対する最先端の動的内視鏡的手法のベンチマーク解析を行い,真の解剖学的動きをモデル化できないことを示す。 グローバルリコンストラクションの品質を厳格に評価するために,各時刻に地上の微動点雲を持つ合成データセットであるDynamicColonを導入する。 これらの知見に基づいて,C3VDv2データセットとDynamicColonデータセットに対して優れた幾何学的忠実性を実現するとともに,グローバルな幾何学的整合性を維持しつつ,永続的な動きを捉える動的ガウススティングフレームワークであるColonSplatを提案する。 プロジェクトページ:https://wmito.github.io/ColonSplat

関連論文リスト

• RealSynCol: a high-fidelity synthetic colon dataset for 3D reconstruction applications [33.26682919703966]
  本研究では, 内視鏡環境を再現する高度にリアルな合成データセットであるRealSynColを提案する。 得られたデータセットは28,130フレームで構成され、地上の真理深度マップ、光学フロー、3Dメッシュ、カメラ軌道と組み合わせられる。 その結果, RealSynColの高現実性と可変性は臨床画像の一般化性能を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2026-02-09T08:57:37Z)
• ColonCrafter: A Depth Estimation Model for Colonoscopy Videos Using Diffusion Priors [1.9437590375121516]
  ColonCrafterは拡散に基づく深度推定モデルであり、単眼の大腸内視鏡ビデオから時間的に一貫した深度マップを生成する。 本手法は, 時間的に一貫した深度マップを生成するために, 合成大腸内視鏡の配列から頑健な幾何学的先行を学習する。
  論文  参考訳（メタデータ） (2025-09-16T20:40:22Z)
• 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)
• SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)
• GaussianBody: Clothed Human Reconstruction via 3d Gaussian Splatting [14.937297984020821]
  本稿では,3次元ガウシアンスプラッティングをベースとした,ガウシアンボディと呼ばれる新しい布地復元手法を提案する。 静的な3次元ガウススメッティングモデルを動的復元問題に適用することは、複雑な非剛性変形とリッチな布の細部のために非自明である。 本手法は,ダイナミックな衣料人体に高精細な画質で,最先端のフォトリアリスティックなノベルビューレンダリングを実現できることを示す。
  論文  参考訳（メタデータ） (2024-01-18T04:48:13Z)
• ColonNeRF: High-Fidelity Neural Reconstruction of Long Colonoscopy [20.617076071039282]
  ColonNeRFは、長期的大腸内視鏡の新しいビュー合成のためのニューラルレンダリングに基づく新しい再構成フレームワークである。 ColonNeRFは形状の相違を低減し、各セグメントにおける幾何的整合性を保証する。 再現の可視化では、より明瞭なテクスチャとより正確な幾何学的詳細が示されています。
  論文  参考訳（メタデータ） (2023-12-04T16:38:16Z)
• C$^3$Fusion: Consistent Contrastive Colon Fusion, Towards Deep SLAM in Colonoscopy [0.0]
  光内視鏡(OC)による3D大腸再建による非検査面の検出は未解決の問題である。 近年の手法では,(1)フレーム・ツー・フレーム(あるいはフレーム・ツー・モデル)の予測が多くのトラッキング障害を引き起こし,(2)スキャン品質を犠牲にしてポイントベース表現に頼っている。 本稿では,これらの課題を終末まで解決し,定量的かつ定性的かつ堅牢な3次元大腸再建を実現するための新しい再構築フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-04T10:38:19Z)

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。