論文の概要: Gastroendoscopy View Synthesis: A New Real Dataset and Evaluation

• arxiv url: http://arxiv.org/abs/2606.25427v1
• Date: Wed, 24 Jun 2026 05:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.234825
• Title: Gastroendoscopy View Synthesis: A New Real Dataset and Evaluation
• Title（参考訳）: 胃内視鏡画像合成 : 新しい実データと評価
• Abstract要約: ニューラル・ビュー・シンセサイザー (NVS) は、ニューラル・ラディアンス・フィールド (NeRF) と3Dガウス・スプラッティング (3DGS) 法の成功により、コンピュータビジョンにおいて活発な研究トピックである。 我々は,NVSのための最初の実胃内視鏡データセット,すなわち,胃内視鏡画像,カメラポーズ,実際の胃内視鏡検査のための点雲を含むガストロNVSデータセットを提示する。
• 参考スコア（独自算出の注目度）: 17.312564012518653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Novel view synthesis (NVS) is an active research topic in computer vision, owing to the success of neural radiance field (NeRF) and 3D Gaussian splatting (3DGS) methods. While NVS opens the door to potential applications in gastroendoscopy, such as extending the field of view of endoscopic images and enabling digital twins for 3D archiving and endoscopist manipulation training, the dataset is insufficient to evaluate NVS for gastroendoscopy. In this paper, we present the first real gastroscopy dataset for NVS, namely the GastroNVS dataset, which contains a set of gastroscopic images, camera poses, and a point cloud for real gastroendoscopy inspection. To assess the suitability of the GastroNVS dataset, we evaluate several 3DGS methods and discuss the challenges for future development. The dataset is available on request from our project page.
• Abstract（参考訳）: ニューラル・ビュー・シンセサイザー (NVS) は、ニューラル・ラディアンス・フィールド (NeRF) と3Dガウス・スプラッティング (3DGS) 法の成功により、コンピュータビジョンにおいて活発な研究トピックである。 NVSは、内視鏡画像の視野を広げたり、3Dアーキビングや内視鏡操作訓練のためのデジタルツインを可能にするなど、胃内視鏡の潜在的な応用への扉を開くが、このデータセットは胃内視鏡のNVSを評価するには不十分である。 本稿では,NVSのための最初の実胃内視鏡データセット,すなわち胃内視鏡画像,カメラポーズ,および実胃内視鏡検査のための点雲を含むガストロNVSデータセットを提案する。 GastroNVSデータセットの適合性を評価するため,いくつかの3DGS手法を評価し,今後の開発課題について考察する。 データセットはプロジェクトのページからリクエストで取得できます。

関連論文リスト

• NeRFscopy: Neural Radiance Fields for in-vivo Time-Varying Tissues from Endoscopy [18.633528239379483]
  モノクローナルビデオから変形可能な内視鏡組織を3次元再構成し,新しい視点合成のための自己監督型パイプラインであるNeRFscopyを導入する。 NeRFscopyは、様々な難解な内視鏡シーンで競合する手法よりも優れた、新しいビュー合成の観点で正確な結果を得る。
  論文  参考訳（メタデータ） (2026-02-17T18:05:23Z)
• Generative Enhancement for 3D Medical Images [74.17066529847546]
  本稿では,3次元医用画像合成の新しい生成手法であるGEM-3Dを提案する。 本手法は2次元スライスから始まり,3次元スライスマスクを用いて患者に提供するための情報スライスとして機能し,生成過程を伝搬する。 3D医療画像をマスクと患者の事前情報に分解することで、GEM-3Dは多目的な3D画像を生成する柔軟な、かつ効果的なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-03-19T15:57:04Z)
• NutritionVerse-Synth: An Open Access Synthetically Generated 2D Food Scene Dataset for Dietary Intake Estimation [71.22646949733833]
  大規模な合成食品画像データセットであるNutritionVerse-Synth(NV-Synth)を紹介する。 NV-Synthは7,082枚の動的3Dシーンからレンダリングされた84,984枚のフォトリアリスティックな食事画像を含んでいる。 オープンソースで最大の合成食品データセットであるNV-Synthは、物理学に基づくシミュレーションの価値を強調している。
  論文  参考訳（メタデータ） (2023-12-11T08:15:49Z)
• GastroVision: A Multi-class Endoscopy Image Dataset for Computer Aided Gastrointestinal Disease Detection [6.231109933741383]
  本データセットは, 解剖学的所見, 病理所見, ポリープ除去症例, 正常所見を含む。 経験豊富なGI内科医によって注釈され、検証された。 我々のデータセットは、GI病の検出と分類のためのAIベースのアルゴリズムの開発を促進することができると信じている。
  論文  参考訳（メタデータ） (2023-07-16T19:36:03Z)
• NAVI: Category-Agnostic Image Collections with High-Quality 3D Shape and Pose Annotations [64.95582364215548]
  NAVIは、高品質な3Dスキャンと画像ごとの2D-3Dアライメントを備えたカテゴリに依存しない画像コレクションの新しいデータセットである。 これらの2D-3Dアライメントにより,高密度画素対応,深度,セグメンテーションマップなどの正確な微分アノテーションを抽出できる。
  論文  参考訳（メタデータ） (2023-06-15T13:11:30Z)
• EndoMapper dataset of complete calibrated endoscopy procedures [8.577980383972005]
  本報告では,通常の診療で取得した内視鏡の完全配列の最初のコレクションであるEndomapperデータセットについて紹介する。 データは3Dマッピングとローカライゼーションシステムの構築に使用され、探索中に盲点を検出するなど、特別なタスクを実行できる。
  論文  参考訳（メタデータ） (2022-04-29T17:10:01Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• SERV-CT: A disparity dataset from CT for validation of endoscopic 3D reconstruction [8.448866668577946]
  CT(SERV-CT)に基づく立体内視鏡再構成検証データセットを提案する。 SERV-CTデータセットは、内視鏡画像の大部分をカバーするスムーズな参照格差と深さを持つ外科的アプリケーションのための使いやすい立体的検証を提供します。
  論文  参考訳（メタデータ） (2020-12-22T01:28:30Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)
• Volumetric Medical Image Segmentation: A 3D Deep Coarse-to-fine Framework and Its Adversarial Examples [74.92488215859991]
  本稿では,これらの課題に効果的に取り組むために,新しい3Dベースの粗粒度フレームワークを提案する。 提案した3Dベースのフレームワークは、3つの軸すべてに沿ってリッチな空間情報を活用できるため、2Dよりも大きなマージンで優れている。 我々は,3つのデータセット,NIH膵データセット,JHMI膵データセット,JHMI病理嚢胞データセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-10-29T15:39:19Z)
• EndoSLAM Dataset and An Unsupervised Monocular Visual Odometry and Depth Estimation Approach for Endoscopic Videos: Endo-SfMLearner [10.341552258136572]
  ブタの臓器の3次元点クラウドデータからなる包括的内視鏡的SLAMデータセットを提案する。 深度とポーズアノテーションを兼ね備えた合成カプセル内視鏡フレームは、シミュレーションから現実の移動学習アルゴリズムの研究を容易にするために組み込まれている。 教師なし単眼深度とポーズ推定法であるEndo-SfMLearnerを提案する。
  論文  参考訳（メタデータ） (2020-06-30T10:43:27Z)

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。