論文の概要: Knowledge-Guided 3D CT Generation: A Conditioning-Centric Taxonomy

• arxiv url: http://arxiv.org/abs/2608.09992v1
• Date: Fri, 07 Aug 2026 08:35:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.744426
• Title: Knowledge-Guided 3D CT Generation: A Conditioning-Centric Taxonomy
• Title（参考訳）: 知識ガイドによる3次元CT生成 : 条件付き中心分類法
• Abstract要約: 外部知識の種類(K)、知識統合パラダイム(I)、生成アーキテクチャ(A)の3つの側面に沿って文献を整理する条件付け中心の分類法を提案する。 このフレームワークを用いて,既存の手法を体系化し,支配的な傾向を識別し,設計パターンを繰り返すとともに,将来的な研究の方向性を示す設計空間の未探索領域を明らかにする。
• 参考スコア（独自算出の注目度）: 10.249327664578647
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Controllable generation guided by external knowledge is a key requirement in modern generative deep learning applications, enabling the synthesis of samples with explicit constraints on semantic content, structural properties, and variability. In 3D Computed Tomography (CT), such control is essential for clinical applications, including data augmentation, privacy-preserving data sharing, and the simulation of specific anatomical or pathological scenarios. While research on conditional 3D CT generation has expanded rapidly, the diversity of existing approaches makes systematic comparison difficult and obscures fundamental design choices. In this survey, we propose a conditioning-centric taxonomy that organizes the literature along three orthogonal dimensions: the type of external knowledge (K), the knowledge integration paradigm (I), and the generative architecture (A). This factorization defines an explicit design space (K x I x A) that provides a unified perspective on prior work. Using this framework, we systematize existing methods, identify dominant trends and recurring design patterns, and highlight underexplored regions of the design space that point toward promising directions for future research.
• Abstract（参考訳）: 外部知識によって導かれる制御可能な生成は、近代的な生成的深層学習アプリケーションにおいて重要な要件であり、意味的内容、構造的特性、変数性に明確な制約を課したサンプルの合成を可能にする。 3D Computed Tomography(CT)では、データ拡張、プライバシ保護データ共有、特定の解剖学的または病理学的シナリオのシミュレーションなど、臨床応用においてこのような制御が不可欠である。 条件付き3次元CT生成の研究は急速に進んでいるが、既存手法の多様性は体系的な比較を困難にし、基本的な設計選択を曖昧にしている。 本稿では,外部知識の種類(K),知識統合パラダイム(I),生成アーキテクチャ(A)の3つの直交次元に沿って文献を整理する条件付け中心の分類法を提案する。 この分解は、事前の作業について統一的な視点を提供する明示的な設計空間(K x I x A)を定義する。 このフレームワークを用いて,既存の手法を体系化し,支配的な傾向を識別し,設計パターンを繰り返すとともに,将来的な研究の方向性を示す設計空間の未探索領域を明らかにする。

関連論文リスト

• Feed-Forward 3D Scene Modeling: A Problem-Driven Perspective [91.23306722968509]
  汎用的なフィードフォワード3D再構築は近年急速に進展している。 既存のフィードフォワードアプローチも同様に高いレベルのアーキテクチャパターンを共有している。 本稿では,出力形式に依存しないモデル設計戦略を中心とした新しい分類法を提案する。
  論文  参考訳（メタデータ） (2026-04-15T16:07:18Z)
• 3D Shape Generation: A Survey [0.6445605125467574]
  近年のディープラーニングの進歩は、3次元形状生成の分野に変化をもたらした。 本調査では, 形状表現, 生成的モデリングアプローチ, 評価プロトコルの3つのコアコンポーネントに関する議論をまとめる。 オープンな課題を特定し、制御可能で効率的で高品質な3D形状生成の進展を促す将来の研究方向を概説する。
  論文  参考訳（メタデータ） (2025-06-27T23:06:06Z)
• Spatial Understanding from Videos: Structured Prompts Meet Simulation Data [89.77871049500546]
  本稿では,事前学習された視覚言語モデルにおける3次元空間推論を,アーキテクチャを変更することなく拡張するための統一的なフレームワークを提案する。 このフレームワークは、複雑なシーンと質問を解釈可能な推論ステップに分解する構造化プロンプト戦略であるSpatialMindと、多様な3Dシミュレーションシーンから構築されたスケーラブルな質問応答データセットであるScanForgeQAを組み合わせる。
  論文  参考訳（メタデータ） (2025-06-04T07:36:33Z)
• Federated Retrieval-Augmented Generation: A Systematic Mapping Study [11.931695766266879]
  Federated Retrieval-Augmented Generation (Federated RAG)は、Federated Learning (FL)とRetrieval-Augmented Generation (RAG)を組み合わせる。 RAGは、外部知識のアウトプットを基礎にして、言語モデルの事実精度を向上させる。 本稿では,2020年から2025年の間に出版された文献を対象とした,フェデレートRAGの体系的マッピング研究について紹介する。
  論文  参考訳（メタデータ） (2025-05-24T23:45:12Z)
• SITE: towards Spatial Intelligence Thorough Evaluation [121.1493852562597]
  空間知能 (Spatial Intelligence, SI) は、空間的関係の可視化、操作、推論を含む認知能力を表す。 SI Thorough Evaluationに向けたベンチマークデータセットであるSITEを紹介する。 ベンチマークの計算には、31の既存のデータセットに関するボトムアップ調査と、認知科学の3つの分類システムに基づくトップダウン戦略を組み合わせる。
  論文  参考訳（メタデータ） (2025-05-08T17:45:44Z)
• JADE: Joint-aware Latent Diffusion for 3D Human Generative Modeling [62.77347895550087]
  JADEは人体形状の変化を微粒化制御で学習する生成フレームワークである。 私たちの重要な洞察は、人体を骨格構造に分解する共同認識の潜伏表現です。 提案した分解条件下でのコヒーレントで可塑性な人体形状を生成するため,カスケードパイプラインも提案する。
  論文  参考訳（メタデータ） (2024-12-29T14:18:35Z)
• Integrating Ontology Design with the CRISP-DM in the context of Cyber-Physical Systems Maintenance [41.85920785319125]
  提案手法は3つの段階に分けられる。 フェーズ1では、オントロジーの要件を体系的に指定し、関連する知識範囲を定義する。 フェーズ2では、CPSライフサイクルデータは、ドメイン固有のオントロジアーティファクトを使用してコンテキスト化される。 この形式化されたドメイン知識は、データマイニングのためのクロス産業標準プロセス(CRISP-DM)で利用され、データから新しい洞察を効率的に抽出する。
  論文  参考訳（メタデータ） (2024-07-09T15:06:47Z)
• Recognizing Identities From Human Skeletons: A Survey on 3D Skeleton Based Person Re-Identification [60.939250172443586]
  3Dスケルトンによる人物の再同定は、パターン認識コミュニティ内で注目を集める重要な研究分野である。 近年のSRID進歩の総合的なレビューと分析を行っている。 様々なベンチマークやプロトコルを用いて、最先端のSRID手法の徹底的な評価を行い、その有効性と効率性を比較した。
  論文  参考訳（メタデータ） (2024-01-27T04:52:24Z)
• Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
  構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。 近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
  論文  参考訳（メタデータ） (2023-06-20T14:21:58Z)

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。