Fugu-MT 論文翻訳(概要): Shared-Structure 4D Spectral Gaussian Representation for Sparse-View Spectral CT Reconstruction

論文の概要: Shared-Structure 4D Spectral Gaussian Representation for Sparse-View Spectral CT Reconstruction

arxiv url: http://arxiv.org/abs/2608.16463v1
Date: Mon, 17 Aug 2026 12:00:11 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-18 19:59:03.671957
Title: Shared-Structure 4D Spectral Gaussian Representation for Sparse-View Spectral CT Reconstruction
Title（参考訳）: Sparse-View Spectral CT 再構成のための共有構造4次元分光ガウス表現法
Abstract要約: スパースビュースペクトルCT(Sparse-view Spectrum Computed Tomography)は、限られた投影ビューからエネルギー分解減衰量を再構成する。本研究では、全スペクトル構造投影から共有ガウス幾何学を学ぶ4D-SG(SharedStructure 4D Spectral Gaussian Representation)を提案する。 6つの合成、シミュレーションされたプロジェクション、50ビューの実際のプロジェクションデータセットの実験は、最高の平均性能を示している。
参考スコア（独自算出の注目度）: 15.681197404294762
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sparse-view spectral computed tomography (CT) reconstructs energy-resolved attenuation volumes from limited projection views, requiring simultaneous handling of angular undersampling and spectral coupling. We propose a SharedStructure 4D Spectral Gaussian Representation (4D-SG) that learns shared Gaussian geometry from full spectrum structural projections and uses a Gaussian-wise Spectral Density Curve Network (GSC-Net) to predict Gaussian raw density transformations. This factorization separates shared spatial structure from spectral attenuation variation, avoids independent channel geometry optimization, and establishes a continuous 4D-SG representation from discrete spectral measurements for unobserved spectral channel queries. Experiments on six synthesized, simulated projection, and real projection datasets with 50 views demonstrate the best average performance. Compared with the strongest Gaussian baseline, 4D-SG improves PSNR from 35.56 dB to 36.61 dB, increases SSIM from 0.909 to 0.914, and reduces LPIPS from 0.208 to 0.194, demonstrating its effectiveness for sparse-view spectral CT reconstruction.
Abstract（参考訳）: スパースビュースペクトルCT(Sparse-view Spectrum Computed Tomography)は、限られた投影ビューからエネルギー分解減衰量を再構成し、角度アンダーサンプリングとスペクトル結合の同時処理を必要とする。本研究では、全スペクトル構造投影から共有ガウス幾何学を学習し、ガウスの原密度変換を予測するためにガウスのスペクトル密度曲線ネットワーク(GSC-Net)を用いる4D-SG(SharedStructure 4D Spectral Gaussian Representation)を提案する。この因子化は、共有空間構造とスペクトル減衰のばらつきを分離し、独立チャネル幾何最適化を回避し、観測されていないスペクトルチャネルクエリの離散スペクトル測定から連続した4D-SG表現を確立する。 6つの合成、シミュレーションされたプロジェクション、50ビューの実際のプロジェクションデータセットの実験は、最高の平均性能を示している。 4D-SGは最強のガウスベースラインと比較してPSNRを35.56dBから36.61dBに改善し、SSIMを0.909から0.914に増加させ、LPIPSを0.208から0.194に減少させ、スペクトルCT再構成の有効性を示した。

関連論文リスト

Phy-CoSF: Physics-Guided Continuous Spectral Fields Reconstruction and Super-Resolution for Snapshot Compressive Imaging [79.35520607451187]
暗黙のニューラル表現で深層展開ネットワークを相乗化するPhy-CoSFを提案する。具体的には、連続的なスペクトルレンダリングで離散波長トレーニングをブリッジする2相アーキテクチャを提案する。
論文参考訳（メタデータ） (2026-05-13T14:17:02Z)
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)
MSGS: Multispectral 3D Gaussian Splatting [46.61006851229471]
波長対応ビュー合成のための3次元ガウス散乱 (3DGS) へのマルチスペクトル拡張を提案する。それぞれのガウシアンはスペクトル放射で拡張され、帯域ごとの球面調和によって表現され、RGBとマルチスペクトル信号を組み合わせた二重損失監督スキームの下で最適化される。提案手法は,RGBのみの3DGSベースラインに対して,画質とスペクトルの整合性において一貫した改善が示された。
論文参考訳（メタデータ） (2026-04-14T23:03:38Z)
Accelerating 4D Hyperspectral Imaging through Physics-Informed Neural Representation and Adaptive Sampling [4.125456588936474]
本研究では,高密度空間分解型2DIRハイパースペクトル像をスパース実験から効率的に再構成する物理インフォームド・ニューラル表現手法を提案する。提案手法は, サンプリング予算の1/32ドルのみを用いて, 高忠実度スペクトル回復を実現し, 全実験時間を最大32倍に短縮する。
論文参考訳（メタデータ） (2026-04-08T01:22:09Z)
Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
論文参考訳（メタデータ） (2026-02-03T23:38:05Z)
Calculating Vibronic Spectra with a linear algorithm based on Gaussian Boson Sampling [0.0]
ペンタセン分子を3つの異なるアプローチでシミュレーションするアルゴリズムを実装した。 The high fidelity $(F>0.999)$ was achieved between thesimulated Franck-Condon profiles and analysisally calculated profiles。
論文参考訳（メタデータ） (2025-08-05T22:18:47Z)
CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
論文参考訳（メタデータ） (2025-04-27T13:06:40Z)
ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文参考訳（メタデータ） (2023-07-26T07:45:14Z)
Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2021-11-15T16:59:48Z)
Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。スペクトルct材料分解の数値的および実験的結果を示す。
論文参考訳（メタデータ） (2021-03-25T15:20:10Z)
Neural network-based image reconstruction in swept-source optical coherence tomography using undersampled spectral data [0.0]
このフレームワークは、空間的エイリアシングアーティファクトを使わずに、アンダーサンプされたスペクトルデータを用いて、スクラップソースのOCT画像を生成することができる。既存の swept-source または spectrum domain OCT システムと容易に統合できる。このディープラーニング対応画像再構成アプローチは、様々なスペクトル領域octシステムで広く使用することができる。
論文参考訳（メタデータ） (2021-03-04T22:30:31Z)
Fourth-Order Nonlocal Tensor Decomposition Model for Spectral Computed Tomography [20.03088101097943]
分光CT(Spectral Computed Tomography)は、光子計数検出器(PCD)を用いて、異なるエネルギービンからのスペクトル像を再構成することができる。スペクトル分率の限られた光子と計数率により、再構成されたスペクトル画像は通常、ひどいノイズに悩まされる。本稿では,スペクトルCT画像再構成(FONT-SIR)のための4階非局所テンソル分解モデルを提案する。
論文参考訳（メタデータ） (2020-10-27T15:14:36Z)

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。