論文の概要: 3D Gaussian Splatting for Annular Dark Field Scanning Transmission Electron Microscopy Tomography Reconstruction
- arxiv url: http://arxiv.org/abs/2604.04693v1
- Date: Mon, 06 Apr 2026 14:01:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:19.215773
- Title: 3D Gaussian Splatting for Annular Dark Field Scanning Transmission Electron Microscopy Tomography Reconstruction
- Title（参考訳）: 3D Gaussian Splatting for annular Dark Field Scanning Transmission Electron Microscopy Tomography Reconstruction
- Authors: Beiyuan Zhang, Hesong Li, Ruiwen Shao, Ying Fu,
- Abstract要約: ADF-STEMトモグラフィーは多視点傾斜画像を統合することで3次元のナノスケール材料を再構成する。
傾斜角の散乱を安定化し、散乱ビュー正規化による一貫したデンザを確保するために$$係数を導入する。
45-viewと15-viewの傾きシリーズの実験では、デンザ・ガウシアンは元の傾きとより密接な2次元のプロジェクションと高忠実さの再現を行う。
- 参考スコア（独自算出の注目度）: 13.051560405222775
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Analytical Dark Field Scanning Transmission Electron Microscopy (ADF-STEM) tomography reconstructs nanoscale materials in 3D by integrating multi-view tilt-series images, enabling precise analysis of their structural and compositional features. Although integrating more tilt views improves 3D reconstruction, it requires extended electron exposure that risks damaging dose-sensitive materials and introduces drift and misalignment, making it difficult to balance reconstruction fidelity with sample preservation. In practice, sparse-view acquisition is frequently required, yet conventional ADF-STEM methods degrade under limited views, exhibiting artifacts and reduced structural fidelity. To resolve these issues, in this paper, we adapt 3D GS to this domain with three key components. We first model the local scattering strength as a learnable scalar field, denza, to address the mismatch between 3DGS and ADF-STEM imaging physics. Then we introduce a coefficient $γ$ to stabilize scattering across tilt angles, ensuring consistent denza via scattering view normalization. Finally, We incorporate a loss function that includes a 2D Fourier amplitude term to suppress missing wedge artifacts in sparse-view reconstruction. Experiments on 45-view and 15-view tilt series show that DenZa-Gaussian produces high-fidelity reconstructions and 2D projections that align more closely with original tilts, demonstrating superior robustness under sparse-view conditions.
- Abstract（参考訳）: ADF-STEM(Analytical Dark Field Scanning Transmission Electron Microscopy)トモグラフィーは、多視点傾斜画像を統合することでナノスケールの材料を3次元に再構成し、その構造的および構成的特徴を正確に解析する。
傾斜ビューの統合は3次元再構成を改善するが、線量に敏感な材料にダメージを与えるような電子露光を必要とし、ドリフトや不整合を生じさせるため、復元の忠実さとサンプル保存のバランスをとるのが困難である。
実際には、スパースビュー取得は頻繁に必要であるが、従来のAFD-STEM法は、限られたビューで劣化し、アーティファクトを示し、構造的忠実度を低下させる。
これらの課題を解決するため,本論文では3つの重要な要素を用いて3次元GSをこの領域に適用する。
まず, 3DGS と ADF-STEM 画像物理のミスマッチに対処するため, 局所散乱強度を学習可能なスカラー場denza としてモデル化した。
次に、傾斜角の散乱を安定化し、散乱ビュー正規化による一貫したデンザを確保するために、$γ$の係数を導入する。
最後に,2次元フーリエ振幅項を含む損失関数を組み込んで,スパースビュー再構成における欠落したウェッジアーチファクトの抑制を行う。
45-viewと15-viewの傾きシリーズの実験では、デンザ・ガウスの高忠実度再構成と2次元プロジェクションが元の傾きとより密に一致し、スパースビュー条件下で優れた強靭性を示すことが示されている。
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) - 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) - Limited-Angle Tomography Reconstruction via Projector Guided 3D Diffusion [26.292892614609283]
有限角電子トモグラフィーは、透過電子顕微鏡(TEM)の2次元投影から傾斜角の制限範囲内で3次元形状を再構成することを目的としている。
ディープラーニングアプローチは、これらのアーティファクトを緩和する有望な結果を示している。
本稿では,新しい3次元拡散に基づく反復再構成フレームワークTEMDiffを提案する。
論文 参考訳（メタデータ） (2025-10-07T23:27:28Z) - Diffusion-Guided Gaussian Splatting for Large-Scale Unconstrained 3D Reconstruction and Novel View Synthesis [22.767866875051013]
本稿では,現行手法の限界に対処する多視点拡散モデルを用いて,新しい3DGSフレームワークであるGS-Diffを提案する。
マルチビュー入力に条件付き擬似観測を生成することにより、制約の少ない3次元再構成問題をよく表されたものに変換する。
4つのベンチマークの実験では、GS-Diffは最先端のベースラインをかなりのマージンで一貫して上回っている。
論文 参考訳（メタデータ） (2025-04-02T17:59:46Z) - GS-I$^{3}$: Gaussian Splatting for Surface Reconstruction from Illumination-Inconsistent Images [6.055104738156625]
3D Gaussian Splatting (3DGS) は表面再構成の分野で大きな注目を集めている。
不整合照明下での頑健な表面再構成の課題を解決するため,GS-3I と呼ばれる手法を提案する。
GS-3Iは複雑な照明のシナリオをまたいで、堅牢で正確な表面再構成を実現することができることを示す。
論文 参考訳（メタデータ） (2025-03-16T03:08:54Z) - MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。
任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。
実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
論文 参考訳（メタデータ） (2024-11-25T20:07:07Z) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z) - 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。
多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。
競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
論文 参考訳（メタデータ） (2024-03-26T17:21:24Z)
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。