論文の概要: Deep Learning Approaches for 3D Medical Scene Completion: From Geometric Modeling to Generative Paradigms

• arxiv url: http://arxiv.org/abs/2606.24180v1
• Date: Tue, 23 Jun 2026 06:05:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.800107
• Title: Deep Learning Approaches for 3D Medical Scene Completion: From Geometric Modeling to Generative Paradigms
• Title（参考訳）: 3次元医用シーン補完のためのディープラーニングアプローチ:幾何学的モデリングから生成パラダイムへ
• Authors: Afifa Khaled, Said Jadid Abdulkadir, Majdy Mohamed Eltayeb Eltahir,
• Abstract要約: 3次元シーン補完はコンピュータビジョンとロボット工学の主要な問題として進化し、その応用は様々である。 過去10年間に行われた研究のコントリビューションをまとめるために、体系的なレビューが実施されている。 この研究は、次世代システムの開発に追従できる方向性を明確にするための研究課題を提示した。
• 参考スコア（独自算出の注目度）: 0.15293427903448018
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Three-dimensional scene completion has evolved as a major problem in computer vision and robotics, and its applications are diverse, including autonomous navigation and augmented reality. In this study, a systematic review has been conducted to compile the research contributions made in the last ten years, i.e., 2016 to 2026, which has revolutionized the field from the voxel semantic completion paradigm represented by SSCNet to the latest paradigm that combines generative diffusion priors with real-time rendering using a Gaussian splatting technique. The evolution in representation paradigms, such as voxel grids, point learning, implicit neural fields, transformer networks, diffusion networks, and the latest paradigm based on rendering-aware 3D Gaussian primitives, has been discussed in this study. A comprehensive analysis has been carried out on the contributions made in the last ten years, and a taxonomy has been developed to provide a clear idea about the contributions made in the field. The study has also discussed the research contributions made in the field, along with the challenges that still need to be addressed. Finally, the study has presented a research agenda that will provide a clear idea about the directions that can be followed in the development of the next-generation system
• Abstract（参考訳）: 3次元のシーン補完はコンピュータビジョンとロボット工学の主要な問題として進化し、その用途は自律ナビゲーションや拡張現実など多様である。 本研究では,過去10年間に行われた研究成果,すなわち2016年から2026年にかけてのコントリビューションを,SSCNetに代表されるボクセルセマンティックコンプリートパラダイムから,ガウスススティング技術を用いたリアルタイムレンダリングを併用した最新のパラダイムに革命をもたらした体系的レビューを行った。 ボクセルグリッド,点学習,暗黙のニューラルネットワーク,トランスフォーマーネットワーク,拡散ネットワークなどの表現パラダイムの進化と,レンダリング対応の3Dガウスプリミティブに基づく最新のパラダイムについて論じる。 過去10年間の貢献に関する総合的な分析が行われ、この分野における貢献についての明確な理解を提供するために分類学が開発されている。 この研究は、この分野における研究貢献と、まだ解決すべき課題についても論じている。 最後に、研究は次世代システムの開発に追随できる方向性を明確にするための研究課題を提示した。

関連論文リスト

• Content Generation Models in Computational Pathology: A Comprehensive Survey on Methods, Applications, and Challenges [55.41538606569424]
  レビューでは、画像生成、テキスト生成、分子プロファイル形態学生成などの4つの重要な領域に焦点を当てている。 我々は、コンテンツ生成アーキテクチャーの進化を、初期の生成的敵ネットワークから、拡散モデルや生成的視覚言語モデルにおける最近の進歩まで遡る。 レビューはオープン課題と今後の研究方向性について議論し、統合的かつ臨床的に展開可能な世代システムの開発に重点を置いて締めくくっている。
  論文  参考訳（メタデータ） (2025-05-16T08:44:50Z)
• Recent Advance in 3D Object and Scene Generation: A Survey [14.673302810271219]
  本調査は,最先端の3D生成技術に関する構造化された理解を読者に提供することを目的としている。 本稿では,レイアウト誘導合成,2次元先行シーン生成,ルール駆動モデリングの3つの主要なパラダイムに着目した。
  論文  参考訳（メタデータ） (2025-04-16T03:22:06Z)
• 3D Gaussian as a New Era: A Survey [19.47965615118856]
  3D Gaussian Splatting (3D-GS) はコンピュータグラフィックスの分野で大きな進歩を遂げている。 ニューラルネットワーク(Neural Radiance Fields、NeRF)のようなニューラルネットワークに依存しない、明示的なシーン表現と新しいビュー合成を提供する。 ロボット工学、都市マッピング、自律ナビゲーション、仮想現実/拡張現実(VR/拡張現実)など、さまざまな分野の応用を見出している。
  論文  参考訳（メタデータ） (2024-02-11T12:33:08Z)
• Advances in 3D Generation: A Survey [54.95024616672868]
  3Dコンテンツ生成の分野は急速に発展しており、高品質で多様な3Dモデルの作成を可能にしている。 具体的には,3次元生成のバックボーンとして機能する3D表現を紹介する。 本稿では,アルゴリズムのパラダイムのタイプによって分類された,生成手法に関する急成長する文献の概要について概説する。
  論文  参考訳（メタデータ） (2024-01-31T13:06:48Z)
• 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
  画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。 この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。 我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
  論文  参考訳（メタデータ） (2022-02-07T07:12:24Z)
• Neural Fields in Visual Computing and Beyond [54.950885364735804]
  機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。 ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。 本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
  論文  参考訳（メタデータ） (2021-11-22T18:57:51Z)
• A comprehensive review on convolutional neural network in machine fault diagnosis [3.4541413098030938]
  この研究は、畳み込みネットワークに基づく障害診断(CNFD)のアプローチを包括的にレビューし、要約しようとするものである。 CNFDフレームワークは,データ収集,モデル構築,機能学習と意思決定という,次のステップで構成されている。 CNFDの応用は、分類、予測、転移診断の3つの主流方向の観点から概説する。
  論文  参考訳（メタデータ） (2020-02-13T20:35:01Z)

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。