論文の概要: Training-free Detection and 6D Pose Estimation of Unseen Surgical Instruments

• arxiv url: http://arxiv.org/abs/2603.25228v1
• Date: Thu, 26 Mar 2026 09:28:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.215831
• Title: Training-free Detection and 6D Pose Estimation of Unseen Surgical Instruments
• Title（参考訳）: 目に見えない手術器具の無トレーニング検出と6次元ポス推定
• Authors: Jonas Hein, Lilian Calvet, Matthias Seibold, Siyu Tang, Marc Pollefeys, Philipp Fürnstahl,
• Abstract要約: 本研究は,未確認の手術器具の高精度なマルチビュー6Dポーズ推定のための無トレーニングパイプラインを導入する。 本手法はMVPSPデータセットから実世界の手術データを用いて厳密に評価した。
• 参考スコア（独自算出の注目度）: 45.387920812487465
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Purpose: Accurate detection and 6D pose estimation of surgical instruments are crucial for many computer-assisted interventions. However, supervised methods lack flexibility for new or unseen tools and require extensive annotated data. This work introduces a training-free pipeline for accurate multi-view 6D pose estimation of unseen surgical instruments, which only requires a textured CAD model as prior knowledge. Methods: Our pipeline consists of two main stages. First, for detection, we generate object mask proposals in each view and score their similarity to rendered templates using a pre-trained feature extractor. Detections are matched across views, triangulated into 3D instance candidates, and filtered using multi-view geometric consistency. Second, for pose estimation, a set of pose hypotheses is iteratively refined and scored using feature-metric scores with cross-view attention. The best hypothesis undergoes a final refinement using a novel multi-view, occlusion-aware contour registration, which minimizes reprojection errors of unoccluded contour points. Results: The proposed method was rigorously evaluated on real-world surgical data from the MVPSP dataset. The method achieves millimeter-accurate pose estimates that are on par with supervised methods under controlled conditions, while maintaining full generalization to unseen instruments. These results demonstrate the feasibility of training-free, marker-less detection and tracking in surgical scenes, and highlight the unique challenges in surgical environments. Conclusion: We present a novel and flexible pipeline that effectively combines state-of-the-art foundational models, multi-view geometry, and contour-based refinement for high-accuracy 6D pose estimation of surgical instruments without task-specific training. This approach enables robust instrument tracking and scene understanding in dynamic clinical environments.
• Abstract（参考訳）: 目的: 手術器具の正確な検出と6次元ポーズ推定は, 多くのコンピュータ支援手術において重要である。 しかし、教師付きメソッドは、新しいツールや見えないツールの柔軟性に欠けており、広範な注釈付きデータを必要とする。 本研究は, テクスチャCADモデルのみを事前知識として必要とする, 未確認手術器具の高精度なマルチビュー6Dポーズ推定のためのトレーニングフリーパイプラインを提案する。 方法:私たちのパイプラインは2つの主要なステージで構成されています。 まず,各ビューにオブジェクトマスクの提案を生成し,事前学習した特徴抽出器を用いてテンプレートと類似性を評価する。 検出はビュー間で一致し、3Dインスタンス候補にトリゲートされ、マルチビューの幾何学的一貫性を使ってフィルタリングされる。 第2に、ポーズ推定のために、一組のポーズ仮説を反復的に洗練し、クロスビューアテンションを備えた特徴量スコアを用いてスコアする。 最良の仮説は、包含されていない輪郭点の再射誤差を最小限に抑える、新しい多視点オクルージョン対応輪郭登録を用いて最終改良を行う。 結果: MVPSPデータセットを用いた実世界の手術データから, 本手法を厳格に評価した。 制御条件下での教師付き手法と同等のミリ精度のポーズ推定を達成し、未知の機器への完全な一般化を維持できる。 これらの結果は, 手術現場における無トレーニング, 無マーカー検出, 追跡の実現可能性を示し, 手術環境における特異な課題を浮き彫りにした。 結論: タスク固有の訓練を伴わない手術器具の高精度6Dポーズ推定のために, 最先端の基礎モデル, マルチビュー幾何, 輪郭をベースとした改良を効果的に組み合わせた, 新規で柔軟なパイプラインを提案する。 このアプローチにより、ダイナミックな臨床環境におけるロバストな計器追跡とシーン理解が可能になる。

関連論文リスト

• A Multi-View Pipeline and Benchmark Dataset for 3D Hand Pose Estimation in Surgery [1.120882117110929]
  外科的文脈における3次元手ポーズ推定のための頑健なパイプラインを提案する。 パイプラインは、信頼できる人物検出、全身ポーズ推定、最先端の2Dハンドキーポイント予測を統合する。 68,000枚以上のフレームと3000枚以上の手書き2Dハンドポーズからなる新しい手術用ベンチマークデータセットを導入する。
  論文  参考訳（メタデータ） (2026-01-22T12:48:24Z)
• Realistic Data Generation for 6D Pose Estimation of Surgical Instruments [4.226502078427161]
  手術器具の6次元ポーズ推定は,手術操作の自動実行を可能にするために重要である。 家庭や工業環境では、3Dコンピュータグラフィックスソフトウェアで生成された合成データが、アノテーションコストを最小限に抑える代替手段として示されている。 本稿では,大規模・多様なデータセットの自動生成を可能にする外科ロボティクスのシミュレーション環境の改善を提案する。
  論文  参考訳（メタデータ） (2024-06-11T14:59:29Z)
• Visual-Kinematics Graph Learning for Procedure-agnostic Instrument Tip Segmentation in Robotic Surgeries [29.201385352740555]
  そこで我々は,様々な外科手術を施した楽器の先端を正確に分類する新しいビジュアル・キネマティクスグラフ学習フレームワークを提案する。 具体的には、画像とキネマティクスの両方から楽器部品のリレーショナル特徴を符号化するグラフ学習フレームワークを提案する。 クロスモーダル・コントラッシブ・ロスは、キネマティクスからチップセグメンテーションのイメージへの頑健な幾何学的先行を組み込むように設計されている。
  論文  参考訳（メタデータ） (2023-09-02T14:52:58Z)
• Interpretable 2D Vision Models for 3D Medical Images [47.75089895500738]
  本研究では,3次元画像処理における中間特徴表現を用いた2次元ネットワークの適応手法を提案する。 我々は、ベンチマークとして3D MedMNISTデータセットと、既存の手法に匹敵する数百の高分解能CTまたはMRIスキャンからなる2つの実世界のデータセットを示す。
  論文  参考訳（メタデータ） (2023-07-13T08:27:09Z)
• Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
  静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。 第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。 第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
  論文  参考訳（メタデータ） (2023-05-05T13:42:19Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。