論文の概要: CD-RCM: Generalizable Continuous-Depth Novel View Synthesis for Reflectance Confocal Microscopy

• arxiv url: http://arxiv.org/abs/2606.12635v1
• Date: Wed, 10 Jun 2026 19:54:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.435903
• Title: CD-RCM: Generalizable Continuous-Depth Novel View Synthesis for Reflectance Confocal Microscopy
• Title（参考訳）: CD-RCM:反射共焦点顕微鏡のための一般化可能な連続深度新規ビュー合成
• Authors: Tooba Imtiaz, Milind Rajadhyaksha, Kivanc Kose, Jennifer Dy,
• Abstract要約: 反射共焦点顕微鏡(RCM)は、ヒト皮膚の非侵襲的で細胞分解能の「光学的生検」を提供する。 CD-RCMは、わずかにサンプリングされたRCMスタックからリアルで見えない深さを予測するフィードフォワードモデルである。 実験により、CD-RCMはサブ秒の推論時間で高忠実なノベルビュー合成を実現することが示された。
• 参考スコア（独自算出の注目度）: 0.9539798239097633
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reflectance confocal microscopy (RCM) provides noninvasive, cellular-resolution "optical biopsies" of human skin \emph{in vivo} by acquiring en-face images at successive depths, forming a sparse z-stack. Due to optical limitations, these stacks are anisotropic 3D volumes with lateral resolution (0.5 $μ$m) $\sim$6 times higher compared to axial resolution, which is defined by the optical sectioning (3 $μ$m), limiting the interpretation of tissue. Our goal is to provide continuous-depth visualization by interpolating intermediate sections and making the 3D volume isotropic. Such a representation permits arbitrary-direction sectioning, including histopathology-like cross-sectional examination, without requiring per-patient optimization. To that end, we introduce the first RCM-specific novel-view synthesis (NVS) approach, CD-RCM, a feedforward model that predicts realistic, unseen depths from sparsely sampled RCM stacks. Classical neural rendering methods focus on reconstruction from surface-level multi-view observations. In contrast to surface-level camera views, RCM can acquire optically sectioned en-face images of tissue beyond the surface up to 200 $μ$m. However, during visualization of the RCM stacks, observations of the shallower sections (towards the surface) obscure the deeper ones. This unique axial imaging geometry and layer-dependent anatomical organization motivated our development of a tailored architectural and training framework that explicitly accounts for RCM's depth-resolved, occlusive imaging physics. Experiments demonstrate that CD-RCM achieves high-fidelity novel-view synthesis with sub-second inference time.
• Abstract（参考訳）: 反射共焦点顕微鏡(RCM)は、人間の皮膚の非侵襲的で細胞分解性の「光学的生検」を提供する。 光学的制限のため、これらのスタックは側方分解能(0.5$μ$m)$\sim$6倍の異方性3Dボリュームであり、光学的切断(3$μ$m)によって定義され、組織の解釈が制限される。 我々のゴールは、中間区間を補間し、3次元体積を等方的にすることで、連続的な深度可視化を提供することである。 このような表現は、患者ごとの最適化を必要とせず、病理学のような断面検査を含む任意の方向分割を可能にする。 そこで本研究では,RCMスタックからリアルで見えない深度を予測するフィードフォワードモデルであるCD-RCMを初めて導入する。 古典的ニューラルレンダリング法は、表面レベルのマルチビュー観測からの再構成に焦点を当てている。 表面レベルのカメラビューとは対照的に、RCMは表面を超えて200$μ$mまでの組織を光学的に分割した面画像を取得することができる。 しかし、RCMスタックの可視化の際には、より浅い部分(表面に向かって)の観測により、より深い部分の観測が明らかになる。 このユニークな軸方向画像幾何学と層に依存した解剖組織は、RCMの深さ分解された、排他的なイメージング物理をはっきりと説明できる、アーキテクチャとトレーニングのためのフレームワークの開発を動機付けました。 実験により、CD-RCMはサブ秒の推論時間で高忠実なノベルビュー合成を実現することが示された。

関連論文リスト

• 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)
• Unifying Scale-Aware Depth Prediction and Perceptual Priors for Monocular Endoscope Pose Estimation and Tissue Reconstruction [3.251946340142663]
  単分子内視鏡組織再建のための統一的枠組みを提示する。 スケール認識深度予測と時間的に制約された知覚の洗練を統合する。 HEVDとSCAREDの評価は、アブレーションと比較分析によって、最先端の手法よりもフレームワークの堅牢性と優位性を示している。
  論文  参考訳（メタデータ） (2025-08-15T07:41:17Z)
• Post-mastoidectomy Surface Multi-View Synthesis from a Single Microscopy Image [4.777201894011511]
  単一CI顕微鏡画像から合成多視点映像を生成することができる新しいパイプラインを提案する。 本研究は, 術前CT検査を用いて, 乳頭切除後の表面を予測し, 本目的のために設計した方法である。
  論文  参考訳（メタデータ） (2024-08-31T16:45:24Z)
• High-fidelity Endoscopic Image Synthesis by Utilizing Depth-guided Neural Surfaces [18.948630080040576]
  内視鏡画像に適用したNeuSを1フレームの深度マップで補足した新しい大腸部分再建法を提案する。 本手法は, 大腸切片を完全にレンダリングし, 表面の見えない部分を捕捉する際の異常な精度を示す。 このブレークスルーは、安定的で一貫してスケールされた再建を達成するための道を開き、がんスクリーニングの手順と治療介入の質を高めることを約束する。
  論文  参考訳（メタデータ） (2024-04-20T18:06:26Z)
• GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
  本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。 具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-03-24T03:32:02Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)
• Enhancement of Novel View Synthesis Using Omnidirectional Image Completion [61.78187618370681]
  ニューラルレイディアンス場(NeRF)に基づく1枚の360度RGB-D画像から新しいビューを合成する方法を提案する。 実験により,提案手法は実世界と実世界の両方でシーンの特徴を保ちながら,可塑性な新規なビューを合成できることが実証された。
  論文  参考訳（メタデータ） (2022-03-18T13:49:25Z)

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。