論文の概要: FaCT-GS: Fast and Scalable CT Reconstruction with Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2604.01844v1
• Date: Thu, 02 Apr 2026 09:58:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.665753
• Title: FaCT-GS: Fast and Scalable CT Reconstruction with Gaussian Splatting
• Title（参考訳）: FaCT-GS:Gaussian Splatting を用いた高速でスケーラブルなCT再構成
• Authors: Pawel Tomasz Pieta, Rasmus Juul Pedersen, Sina Borgi, Jakob Sauer Jørgensen, Jens Wenzel Andreasen, Vedrana Andersen Dahl,
• Abstract要約: 高速かつフレキシブルなCT再構成のためのフレームワークであるFaCT-GSを紹介する。 FaCT-GSは、標準的な512x512プロジェクションのArt GS CT再構成よりも4倍速く、2kプロジェクションの13倍高速である。
• 参考スコア（独自算出の注目度）: 4.39959662962707
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian Splatting (GS) has emerged as a dominating technique for image rendering and has quickly been adapted for the X-ray Computed Tomography (CT) reconstruction task. However, despite being on par or better than many of its predecessors, the benefits of GS are typically not substantial enough to motivate a transition from well-established reconstruction algorithms. This paper addresses the most significant remaining limitations of the GS-based approach by introducing FaCT-GS, a framework for fast and flexible CT reconstruction. Enabled by an in-depth optimization of the voxelization and rasterization pipelines, our new method is significantly faster than its predecessors and scales well with projection and output volume size. Furthermore, the improved voxelization enables rapid fitting of Gaussians to pre-existing volumes, which can serve as a prior for warm-starting the reconstruction, or simply as an alternative, compressed representation. FaCT-GS is over 4X faster than the State of the Art GS CT reconstruction on standard 512x512 projections, and over 13X faster on 2k projections. Implementation available at: https://github.com/PaPieta/fact-gs.
• Abstract（参考訳）: 画像描画における支配的手法としてガウス格子法(GS)が登場し,X線CT (Computerd Tomography) 再構成作業に迅速に適応した。 しかしながら、GSの利点は、多くの前任者よりも同等か優れているにもかかわらず、よく確立された再構築アルゴリズムからの移行を動機付けるには、一般的には十分ではない。 本稿では,高速かつフレキシブルなCT再構成のためのフレームワークであるFaCT-GSを導入することで,GSベースのアプローチの最も重要な限界を克服する。 ボキセル化パイプラインとラスタ化パイプラインの詳細な最適化によって実現された新しい手法は,従来の方法よりもはるかに高速で,投射量や出力容積サイズによく適合する。 さらに、改良されたボキセル化により、ガウスの急激な嵌合が既存のボリュームに到達し、再構築を温める前兆として機能するか、あるいは単に圧縮された表現として機能する。 FaCT-GSは、標準的な512x512プロジェクションのArt GS CT再構成よりも4倍速く、2kプロジェクションの13倍高速である。 実装は、https://github.com/PaPieta/fact-gs.comで入手可能だ。

関連論文リスト

• Fast 2DGS: Efficient Image Representation with Deep Gaussian Prior [21.89104780995278]
  Fast-2DGSは効率的なガウス画像表現のための軽量なフレームワークである。 本稿では,ガウスプリミティブの空間分布を捉えるための条件付きネットワークとして実装されたDeep Gaussian Priorを紹介する。 実験により、この非絡み合ったアーキテクチャは、1つの前方通過で高品質な再構築を実現し、次いで最小限の微調整を行うことが示された。
  論文  参考訳（メタデータ） (2025-12-14T17:23:28Z)
• ConeGS: Error-Guided Densification Using Pixel Cones for Improved Reconstruction with Fewer Primitives [27.616880434926646]
  3D Gaussian Splattingは、新しいビュー合成における最先端の画像品質とリアルタイム性能を実現する。 問題は、既存の幾何学に沿ってガウスを伝播させるクローンベースの密度化に起因している。 本研究では,既存のシーン形状に依存しない画像空間インフォームド・デンシフィケーション・フレームワークであるConeGSについて述べる。
  論文  参考訳（メタデータ） (2025-11-10T07:54:58Z)
• RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors [54.81109375939306]
  RGE-GSは、拡散に基づく生成と報酬誘導ガウス積分を相乗化する新しい拡張的再構築フレームワークである。 本稿では,復元フェーズに先立って一貫したパターンを識別・優先順位付けする報奨ネットワークを提案する。 復元過程において,シーン収束度に応じてガウス最適化の進捗を自動的に調整する学習戦略を考案した。
  論文  参考訳（メタデータ） (2025-06-28T08:02:54Z)
• FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
  FreeSplat++は大規模な屋内全シーン再構築の代替手法である。 深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
  論文  参考訳（メタデータ） (2025-03-29T06:22:08Z)
• Discretized Gaussian Representation for Tomographic Reconstruction [36.64964395405005]
  離散ガウス表現(英: Discretized Gaussian Representation, DGR)は、離散ガウス関数の集合を用いて3次元体積を直接再構成する新しいフレームワークである。 高速ボリューム再構成は、ガウス的コントリビューションを最小限のオーバーヘッドでボクセルグリッドに集約する高度に並列化された手法である。
  論文  参考訳（メタデータ） (2024-11-07T16:32:29Z)
• X-Recon: Learning-based Patient-specific High-Resolution CT Reconstruction from Orthogonal X-Ray Images [14.04604990570727]
  X-Reconは、左右胸部X線画像に基づく再構成ネットワークである。 PTX-Segはゼロショット気胸セグメンテーションアルゴリズムである。 再現度はピーク信号対雑音比を含むいくつかの指標で最先端の性能を達成した。
  論文  参考訳（メタデータ） (2024-07-22T03:55:36Z)
• 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)

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。