論文の概要: Endo-NeRF++: Uncertainty-Aware Neural Rendering with Multi-Resolution Hash Encoding for Dynamic Surgical Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2607.27825v2
• Date: Wed, 05 Aug 2026 17:15:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:42.935145
• Title: Endo-NeRF++: Uncertainty-Aware Neural Rendering with Multi-Resolution Hash Encoding for Dynamic Surgical Scene Reconstruction
• Title（参考訳）: Endo-NeRF++: 動的手術シーン再構築のための多解ハッシュ符号化による不確実性認識ニューラルレンダリング
• Authors: Gousia Habib, Laura Ruotsalainen,
• Abstract要約: ダイナミックな手術シーンの再構築は、ロボットによる最小侵襲手術に不可欠である。 ダイナミックな手術シーンの再構築における不確実性を考慮したニューラルネットワークレンダリングフレームワークであるEndo-NeRF++を紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing dynamic surgical scenes is crucial for robot-assisted minimally invasive surgery; however, it continues to be difficult because of tissue deformation, occlusions, specular reflections, and restricted viewpoints. In this study, we introduce Endo-NeRF++, a neural rendering framework that accounts for uncertainty in the reconstruction of dynamic surgical scenes. Expanding on EndoNeRF, the suggested approach incorporates multi-resolution hash-grid encoding, temporal feature merging, and uncertainty-informed adaptive sampling to enhance reconstruction accuracy and temporal coherence in deformable endoscopic scenes.The multi-resolution hash-grid representation within the framework effectively captures both coarse and fine anatomical details, while temporal feature blending ensures stable reconstruction during tissue deformation and surgical tool occlusions. Additionally, uncertainty-driven adaptive sampling assigns more samples to uncertain areas to enhance rendering quality and geometric coherence. Experiments on robotic surgical video sequences demonstrate that the proposed uncertainty-guided adaptive sampling improves PSNR by up to 1.22dB (4.3%), increases SSIM by up to 5.3%, and reduces LPIPS by up to 55.1% compared with the EndoNeRF baseline.
• Abstract（参考訳）: 動的手術シーンの再構築は, ロボットによる最小侵襲手術において重要であるが, 組織変形, 閉塞, 特異反射, 制限された視点により, 依然として困難である。 本研究では,動的手術シーンの再構成における不確実性を考慮したニューラルネットワークレンダリングフレームワークであるEndo-NeRF++を紹介する。 提案手法はEndoNeRF上に拡張され,多分解能ハッシュグリッド符号化,時間的特徴マージ,不確実性インフォームド・アダプティブ・サンプリングを導入し,変形性内視鏡シーンにおける再構成精度と時間的コヒーレンスを向上させる。 さらに、不確実性駆動適応サンプリングは、レンダリング品質と幾何学的コヒーレンスを高めるために、より多くのサンプルを不確実領域に割り当てる。 ロボット外科用ビデオシーケンスの実験では、提案された不確実性誘導適応サンプリングはPSNRを最大1.22dB (4.3%)改善し、SSIMを最大5.3%向上させ、LPIPSを最大55.1%削減することを示した。

関連論文リスト

• DSA-SRGS: Super-Resolution Gaussian Splatting for Dynamic Sparse-View DSA Reconstruction [67.42242016220122]
  血管造影は脳血管疾患の補助的診断と治療のための重要な画像診断法である。 ガウススプラッティングと動的神経表現の最近の進歩は、スパースダイナミックインプットから頑健な3次元血管再構築を可能にしている。 本稿では、動的スパースビューDSA再構成のための初の超高分解能ガウススプラッティングフレームワークであるDSA-SRGSを提案する。
  論文  参考訳（メタデータ） (2026-03-05T03:41:08Z)
• SAGS: Self-Adaptive Alias-Free Gaussian Splatting for Dynamic Surgical Endoscopic Reconstruction [10.831257597641669]
  変形性組織再建のための自己適応型エイリアスフリーガウススプラッティングフレームワークであるSAGSを提案する。 3次元平滑化フィルタと2次元ミップフィルタを応用し, 変形性組織再構成における成果物を緩和する, 注意駆動型動的重み付き4次元変形デコーダを提案する。
  論文  参考訳（メタデータ） (2025-10-31T09:42:32Z)
• 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)
• EndoUFM: Utilizing Foundation Models for Monocular depth estimation of endoscopic images [7.350425834778092]
  EndoUFMは、教師なしの単眼深度推定フレームワークである。 強力な事前学習先を活用することにより、深さ推定性能を向上させる。 この研究は、最小侵襲の手術において、外科医の空間的知覚を増大させるのに寄与する。
  論文  参考訳（メタデータ） (2025-08-25T11:33:05Z)
• X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [64.2059940799033]
  現在の方法では、時間分解能を呼吸ゲーティング装置で固定相に識別する。 新規なフレームワークであるX$2$-Gaussianは、動的放射スプラッティングと自己監督型呼吸運動学習を統合することで、連続的な4DCT再構成を可能にする。
  論文  参考訳（メタデータ） (2025-03-27T17:59:57Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• UC-NeRF: Uncertainty-aware Conditional Neural Radiance Fields from Endoscopic Sparse Views [43.367005002662154]
  新たなビューシンセサイザーは、幾何学と外観の再構築、理解、計画、および手術シーンにおける意思決定の強化を提供する。 外科的シーンへのNeRFの直接適用は、内視鏡的スパースビューと有意な光度不整合により、不満足な結果をもたらす。 スパース手術の視界から, 鮮明な形状の曖昧さに対処するために, 新規な視線合成のための不確実性を考慮した条件付きNeRFを提案する。
  論文  参考訳（メタデータ） (2024-09-04T17:53:42Z)
• FLex: Joint Pose and Dynamic Radiance Fields Optimization for Stereo Endoscopic Videos [79.50191812646125]
  内視鏡的シーンの再構築は、外科手術後の分析から教育訓練まで、様々な医療応用にとって重要な要素である。 変形組織の非常にダイナミックな環境下での移動内視鏡の挑戦的なセットアップに着目する。 複数重重なり合う4次元ニューラルラジアンスフィールド(NeRF)への暗黙的なシーン分離と、再構成とカメラのスクラッチからのポーズを協調的に最適化するプログレッシブ最適化手法を提案する。 これにより、使いやすさが向上し、5000フレーム以上の手術ビデオの処理に間に合うように復元能力を拡張できる。
  論文  参考訳（メタデータ） (2024-03-18T19:13:02Z)
• Endo-4DGS: Endoscopic Monocular Scene Reconstruction with 4D Gaussian Splatting [12.333523732756163]
  動的シーン再構築は、下流の作業を大幅に強化し、手術結果を改善することができる。 NeRFベースの手法は、最近、シーンを再構築する異常な能力で有名になった。 本研究では,リアルタイムな内視鏡的動的再構成手法であるEndo-4DGSを提案する。
  論文  参考訳（メタデータ） (2024-01-29T18:55:29Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。