論文の概要: Revisiting Pose Sensitivity in Splat-based Computed Tomography under Sparse-view Reconstruction

• arxiv url: http://arxiv.org/abs/2608.04752v1
• Date: Wed, 05 Aug 2026 12:20:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.91561
• Title: Revisiting Pose Sensitivity in Splat-based Computed Tomography under Sparse-view Reconstruction
• Title（参考訳）: Splat-based Computed Tomography におけるスパースビュー再構成時のポス感度の再検討
• Authors: Kiseok Choi, Hyeongjun Cho, Inchul Kim, Min H. Kim,
• Abstract要約: Splat-based tomography は, コーンビームスパルスCTにおいて, 高い再構成精度と高速収束性を示した。 従来の再建法よりもはるかに顕著な特徴的ストリーク・ストリップアーティファクトを観察する。 我々は,復元時に幾何パラメータを共同で洗練する安定な勾配に基づく枠組みを導出する。
• 参考スコア（独自算出の注目度）: 12.315488379543773
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: X-ray computed tomography (CT) reconstructs volumetric representations of objects from projection images obtained by transmitting X-rays through a target. Recent splat-based tomography, which represents a volume as a continuous distribution of 3D Gaussians, has demonstrated both high reconstruction quality and fast convergence in cone-beam sparse-view CT. However, when deployed in real CT systems with limited and non-uniform view distributions, we observe distinctive streak and strip artifacts that are far more pronounced than in conventional reconstruction methods. Through detailed analysis, we show that these artifacts primarily originate from pose inaccuracies in the acquisition geometry rather than from view sparsity itself. We revisit pose sensitivity in the splatting formulation and derive a stable gradient-based framework that jointly refines geometric parameters during reconstruction. Our study not only identifies how pose perturbations propagate through the differentiable projection operator but also reveals why splat-based CT is particularly vulnerable to geometric misalignment. The resulting formulation remains lightweight and easily integrable into existing pipelines while substantially improving reconstruction fidelity under real-world sparse-view conditions.
• Abstract（参考訳）: X線CT(CT)は、対象物を通してX線を透過した投影画像からオブジェクトの体積表現を再構成する。 近年, 3次元ガウス像の連続的な分布を示すスプラト断層撮影は, コーンビームスパルスCTにおいて高い再構成精度と高速収束性を示した。 しかし, 従来の再建法よりも顕著な特徴的ストリークやストリップアーティファクトを観察した。 詳細な分析により、これらのアーティファクトは、スポーシティ自体からではなく、取得幾何学における不正確さの引き起こすものであることを示す。 我々は,スプラッティングの定式化における感度を再検討し,復元中に幾何学的パラメータを共同で洗練する安定な勾配に基づく枠組みを導出する。 本研究は, プロジェクション演算子を介するポーズの摂動がどのように伝播するかを同定するだけでなく, 幾何学的不整合に対してスプラプベースCTが特に脆弱である理由も明らかにする。 結果として得られる定式化は軽量であり、既存のパイプラインに容易に統合可能でありながら、現実のスパースビュー条件下での再構築精度を大幅に改善する。

関連論文リスト

• LUCID: Learned Undersampling-Adaptive Consistency-Guided Inference with Deterministic Flow Matching for Sparse-View CT Reconstruction [6.182438051513934]
  スパースビューCTはプロジェクションビューを減らすことで放射線線量と走査時間を短縮する。 角のアンダーサンプリングは、復元がひどく悪化し、ストリークアーティファクト、構造的なぼやけ、細部が失われる。 スパース・ビューCTに先立って,フローマッチング生成に基づく疎結合型一貫性誘導型再構成フレームワークであるLucidを提案する。
  論文  参考訳（メタデータ） (2026-06-15T04:38:30Z)
• Texture-preserving implicit neural representation for Cone beam CT truncated reconstruction [11.587045623341888]
  コーンビームCT (CBCT) は, 重篤なアーティファクトを伴い, しばしばデータ切り離しに悩まされる。 既存のTruncatedCBCT再建のための深層学習法は、深刻な限界に悩まされている。 ニューラルシーン表現に基づく自己教師型3次元再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-04T11:33:21Z)
• Residual Gaussian Splatting for Ultra Sparse-View CBCT Reconstruction [14.00351191217297]
  本研究はウェーブレット多分解能解析と3DGSを統合し,スパース再構成を向上する。 本稿では、体積場を幾何学的基底成分と残留詳細成分に階層化するスペクトル分離ガウス表現を提案する。 臨床データセットの実験では、RGSが再構成された画像によって高度に洗練された幾何学的テクスチャをキャプチャできることが示されている。
  論文  参考訳（メタデータ） (2026-04-30T07:59:18Z)
• 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)
• Semantic contrastive learning for orthogonal X-ray computed tomography reconstruction [2.667606911741401]
  近年, 深層学習手法の進歩により, 再建の質が向上しているが, 課題は依然として残っている。 本研究では,高次潜在空間における意味的類似性と浅部潜在空間における解剖学的類似性を評価する,新しい意味的特徴の対比学習損失関数を提案する。
  論文  参考訳（メタデータ） (2025-12-27T18:33:37Z)
• Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
  深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。 本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。 CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-12-13T08:31:46Z)
• VA-GS: Enhancing the Geometric Representation of Gaussian Splatting via View Alignment [48.147381011235446]
  3D Gaussian Splattingは、リアルタイムな新規ビュー合成のための効率的なソリューションとして最近登場した。 ビューアライメントによる3次元ガウス多様体の幾何学的表現を強化する新しい手法を提案する。 本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-10-13T14:44:50Z)
• CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
  スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。 暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。 SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
  論文  参考訳（メタデータ） (2024-06-21T08:38:30Z)
• Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
  Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。 従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。 これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。 本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-26T14:38:42Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)

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。