論文の概要: Projection-Volume Fidelity Divergence: Diagnosing and Controlling Optimization Drift in Sparse-View 3D Gaussian Tomography
- arxiv url: http://arxiv.org/abs/2606.22525v1
- Date: Sun, 21 Jun 2026 14:24:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:44:11.312826
- Title: Projection-Volume Fidelity Divergence: Diagnosing and Controlling Optimization Drift in Sparse-View 3D Gaussian Tomography
- Title（参考訳）: プロジェクション-体積フィデリティの多様性:スパースビュー3次元ガウストモグラフィにおける最適化ドリフトの診断と制御
- Authors: Yikuang Yuluo, Ao Wang, Shen Kuan, Yujie Liu, Wang Liao, Ying Chen, Shuangyang Zhong, Yixing Huang, Fuquan Wang,
- Abstract要約: スパースビューガウストモグラフィのためのグラウンドトルースフリー最適化コントローラ LADES を提案する。
スパースビューCT再構成実験により, LADESは容積忠実度を向上し, 構造劣化を抑制し, トレーニング時間を著しく短縮することが示された。
- 参考スコア（独自算出の注目度）: 11.284905409634957
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sparse-view computed tomography is a severely ill-posed inverse problem, where recent 3D Gaussian Splatting methods offer an efficient explicit representation for tomographic reconstruction. However, we find that projection-domain optimization can be misleading in this setting: the rendered projections may continue to improve while the reconstructed volume deteriorates. We identify this failure mode as Projection-Volume Fidelity Divergence (PVFD), a representation-level optimization drift caused by anisotropic Gaussian deformation and view-specific primitive co-adaptation under sparse Radon constraints. To characterize this behavior, we introduce geometry- and volume-level diagnostics that measure needle-like Gaussian degeneration and the stability of the voxelized density field. Based on these observations, we propose LADES, a ground-truth-free optimization controller for sparse-view Gaussian tomography. LADES combines Linearly Annealed Dropout, which applies strong stochastic masking in early training to disrupt premature primitive co-adaptation and gradually restores full capacity for structural consolidation, with Structure-Aware Early Stopping, which terminates densification according to the saturation of Gaussian population growth rather than validation PSNR. Experiments on sparse-view CT reconstruction show that LADES improves volumetric fidelity, suppresses structural degeneration, and substantially reduces training time while maintaining competitive projection accuracy. These results suggest that robust Gaussian-based tomography requires monitoring and controlling volumetric structure, rather than optimizing projection fit alone.
- Abstract（参考訳）: スパース・ビュー・コンピュート・トモグラフィーは,最近の3次元ガウス・スプティング法がトモグラフィー再構成の効率的な明示的表現を提供する,深刻な逆問題である。
しかし、この設定では、プロジェクション領域の最適化は誤解を招く可能性があり、プロジェクションは、再構成されたボリュームが劣化する間に改善され続ける可能性がある。
我々は、この障害モードを、異方性ガウス変形と、スパースラドン制約下でのビュー固有の原始的共適応に起因する表現レベルの最適化ドリフトである射影-体積フィデリティディバージェンス(PVFD)とみなす。
この挙動を特徴付けるために,針状ガウス変性とボキセル化密度場の安定性を計測する幾何学的および体積的診断法を導入する。
これらの観測結果に基づき,スパース・ビュー・ガウス・トモグラフィーのためのグラウンドトルースフリー最適化コントローラ LADES を提案する。
LADESは、早期トレーニングにおいて強い確率的マスキングを適用して、早期の原始的適応を妨害し、構造的統合の完全な能力を徐々に回復させるリニア・アナールド・ドロップアウトと、PSNRの検証よりもガウス人口増加の飽和に応じて密度化を終了するStructure-Aware Early Stoppingを組み合わせている。
スパースビューCT再構成実験により, LADESは容積忠実度を向上し, 構造劣化を抑制し, 競争予測精度を維持しながらトレーニング時間を著しく短縮することが示された。
これらの結果は、プロジェクションのみを最適化するのではなく、堅牢なガウストモグラフィーは体積構造をモニタリングし、制御する必要があることを示唆している。
関連論文リスト
- REFINE: Super-efficient 3D Gaussian Splatting Pruning via Rendering-Free Primitive Importance [58.94345609736356]
REFINEは、新しいレンダリングフリープリミティブ・プライマリ・プライマリ・メトリックを中心に、高度に高速化された3DGSプルーニング・フレームワークである。
複数のベンチマークデータセットに対する実験は、REFINEが非常に競争力のあるレンダリング品質を維持していることを示している。
論文 参考訳（メタデータ） (2026-06-08T06:16:38Z) - CAdam: Context-Adaptive Moment Estimation for 3D Gaussian Densification in Generative Distillation [3.4998703934432682]
密度ジレンマを解くために、文脈適応モーメント推定(CAdam)を導入する。
Cadamは、標準密度と比較してガウスの数を85%から97%削減し、全体的な同等の品質を保っている。
これらの結果から, 信号認識密度制御は, 最適化に基づく生成蒸留におけるメモリ効率の向上に有効であることがわかった。
論文 参考訳（メタデータ） (2026-05-20T08:08:39Z) - DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。
我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。
この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
論文 参考訳（メタデータ） (2026-04-08T07:01:24Z) - Active View Selection with Perturbed Gaussian Ensemble for Tomographic Reconstruction [26.60542816157164]
Sparse-view CT(Sparse-view Computed Tomography)は,患者の放射線被曝を減らすために重要である。
放射線3Dガウススプラッティングの最近の進歩により,高速かつ高精度なスパルスCT再構成が可能となった。
既存のアクティブビュー選択法では、X線イメージングに固有の特異な幾何学的曖昧さと物理的減衰特性を捉えることができない。
論文 参考訳（メタデータ） (2026-03-06T20:16:00Z) - NRGS-SLAM: Monocular Non-Rigid SLAM for Endoscopy via Deformation-Aware 3D Gaussian Splatting [25.805439969022697]
3次元ガウス法による内視鏡用単分子非剛性SLAMシステムNRGS-SLAMを提案する。
NRGS-SLAMは、最先端の手法よりも精度の高いカメラポーズ推定(RMSEの最大50%の削減)と高品質なフォトリアリスティック再構成を実現する。
論文 参考訳（メタデータ） (2026-02-19T09:03:47Z) - 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) - RobustSplat++: Decoupling Densification, Dynamics, and Illumination for In-the-Wild 3DGS [85.90134051583368]
3D Gaussian Splatting (3DGS)は、新しいビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的な物体や照度の影響を受けやすいシーンを正確にモデル化するのに苦労する。
いくつかの重要な設計に基づく堅牢なソリューションであるRobustSplat++を提案する。
論文 参考訳（メタデータ） (2025-12-04T14:05:09Z) - Metropolis-Hastings Sampling for 3D Gaussian Reconstruction [31.840492077537018]
3次元ガウス平滑化のための適応型サンプリングフレームワーク(3DGS)を提案する。
我々の枠組みは, 確率的サンプリングプロセスとして, デンシフィケーションとプルーニングを改質することで限界を克服する。
提案手法は,最先端モデルのビュー合成品質を適度に上回りながら,より高速な収束を実現する。
論文 参考訳（メタデータ） (2025-06-15T19:12:37Z) - Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。
本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。
我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
論文 参考訳（メタデータ） (2025-05-08T18:41:38Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳（メタデータ） (2022-07-06T21:40:59Z)
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。