論文の概要: ACCURATE: Arbitrary-shaped Continuum Reconstruction Under Robust Adaptive Two-view Estimation

• arxiv url: http://arxiv.org/abs/2603.07533v1
• Date: Sun, 08 Mar 2026 08:44:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:14.785142
• Title: ACCURATE: Arbitrary-shaped Continuum Reconstruction Under Robust Adaptive Two-view Estimation
• Title（参考訳）: ACCURATE:ロバスト適応2視点推定による任意形状連続体再構成
• Authors: Yaozhi Zhang, Shun Yu, Yugang Zhang, Yang Liu,
• Abstract要約: ACCURATEは画像分割ニューラルネットワークと幾何学制約トポロジと動的プログラミングアルゴリズムを統合した3D再構成フレームワークである。 提案手法は, 実ファントムデータセットと模擬ファントムデータセットの両方において, 1.0mm未満の平均絶対誤差で高い再構成精度を実現する。
• 参考スコア（独自算出の注目度）: 3.344730946122235
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate reconstruction of arbitrary-shaped long slender continuum bodies, such as guidewires, catheters and other soft continuum manipulators, is essential for accurate mechanical simulation. However, existing image-based reconstruction approaches often suffer from limited accuracy because they often underutilize camera geometry, or lack generality as they rely on rigid geometric assumptions that may fail for continuum robots with complex and highly deformable shapes. To address these limitations, we propose ACCURATE, a 3D reconstruction framework integrating an image segmentation neural network with a geometry-constrained topology traversal and dynamic programming algorithm that enforces global biplanar geometric consistency, minimizes the cumulative point-to-epipolar-line distance, and remains robust to occlusions and epipolar ambiguities cases caused by noise and discretization. Our method achieves high reconstruction accuracy on both simulated and real phantom datasets acquired using a clinical X-ray C-arm system, with mean absolute errors below 1.0 mm.
• Abstract（参考訳）: 任意の形状の細長い連続体、例えばガイドワイヤ、カテーテル、その他のソフトな連続体マニピュレータの正確な再構築は、正確な機械シミュレーションに不可欠である。 しかし、既存の画像ベースの再構成手法は、しばしばカメラ幾何学を不使用にするため、あるいは複雑な変形可能な形状の連続ロボットでは失敗する可能性のある幾何的仮定に依存しているため、限られた精度に悩まされることが多い。 これらの制約に対処するために,画像分割ニューラルネットワークと幾何学制約付きトポロジトポロジと動的プログラミングアルゴリズムを統合した3次元再構成フレームワークACCURATEを提案する。 本手法は, 臨床用X線C-アームシステムを用いて得られた実ファントムデータセットと模擬ファントムデータセットの再現精度を, 1.0mm未満の平均絶対誤差で高い精度で達成する。

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)
• Advanced Geometric Correction Algorithms for 3D Medical Reconstruction: Comparison of Computed Tomography and Macroscopic Imaging [0.9395222766576343]
  本稿では, マクロスライスから3次元腎解剖を再構築するためのハイブリッド2段階登録フレームワークを提案する。 これは、マクロ画像の典型的なデータスカシティと高歪みの課題に対処する。 提案手法は,光学的および写真的断面から再構成した他の軟部臓器に一般化する。
  論文  参考訳（メタデータ） (2026-01-30T17:16:17Z)
• Spinal Line Detection for Posture Evaluation through Train-ing-free 3D Human Body Reconstruction with 2D Depth Images [1.655840696749311]
  人体の3次元形状を復元し、脊椎中心線を推定することが重要である。 既存のmul-ti-imageベースの身体修復法では、高価な機器と複雑な手続きが必要である。 本研究では,マルチイメージ方式の欠点を補う手法を提案し,シングル画像方式の限界を解消する手法を提案する。
  論文  参考訳（メタデータ） (2025-12-14T14:43:42Z)
• EMGauss: Continuous Slice-to-3D Reconstruction via Dynamic Gaussian Modeling in Volume Electron Microscopy [41.838228673736076]
  本稿では,平面走査型2次元スライスからの3次元再構成のための一般的なフレームワークであるEMGaussについて紹介する。 我々の重要な革新は、ガウススプラッティングに基づく3次元動的シーンレンダリング問題としてスライス・ツー・3D再構成を再構成することである。 EMGausは拡散およびGANに基づく再構成法と比較して、品質を大幅に向上し、連続的なスライス合成を可能にし、大規模プレトレーニングの必要性を排除している。
  論文  参考訳（メタデータ） (2025-12-07T06:39:57Z)
• Dental3R: Geometry-Aware Pairing for Intraoral 3D Reconstruction from Sparse-View Photographs [10.70146635420186]
  疎口内画像から高忠実度で頑健な再構成を行うためのポーズフリーグラフ誘導パイプラインである textbfDental3R を提案する。 提案手法はまずGAPS(Geometry-Aware Pairing Strategy)を構築し,高値画像ペアのコンパクト部分グラフをインテリジェントに選択する。 離散ウェーブレット変換を用いて帯域制限忠実度を強制することにより,高周波アーティファクトを抑えながら微細なエナメル質境界と近位縁を保存できる。
  論文  参考訳（メタデータ） (2025-11-18T10:20:22Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [64.2059940799033]
  現在の方法では、時間分解能を呼吸ゲーティング装置で固定相に識別する。 新規なフレームワークであるX$2$-Gaussianは、動的放射スプラッティングと自己監督型呼吸運動学習を統合することで、連続的な4DCT再構成を可能にする。
  論文  参考訳（メタデータ） (2025-03-27T17:59:57Z)
• Neural Computed Tomography [1.7188280334580197]
  一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。 動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
  論文  参考訳（メタデータ） (2022-01-17T18:50:58Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)
• Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
  Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。 提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-06-15T09:15:54Z)

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。