論文の概要: Shape-guided Gaussian Splatting for Sparse-View X-ray 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2609.10376v1
• Date: Wed, 09 Sep 2026 16:05:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.103116
• Title: Shape-guided Gaussian Splatting for Sparse-View X-ray 3D Reconstruction
• Title（参考訳）: スパースビューX線3次元再構成のための形状誘導型ガウススプラッティング
• Abstract要約: 放射線被曝低減には, スパースビューX線3D再構成が不可欠である。 近年, 3D Gaussian Splatting はスパース・ビュー・リコンストラクションにおいて最先端の性能を実現している。 本稿では, スパースビューX線3次元再構成のための形状誘導型ガウススプラッティングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.6200997411340154
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Sparse-view X-ray 3D reconstruction is essential for reducing radiation exposure, but recovering a density field from a handful of X-ray projections is severely ill-posed. Recently, 3D Gaussian Splatting has achieved state-of-the-art performance in sparse-view reconstruction by representing the volume using explicit, optimized primitives, but it requires dozens of projected views. With fewer views, reconstruction quality degrades severely since the explicit primitives are optimized freely without any anatomical information. Anatomical structures, in contrast, share similar geometry and density across a population. Their variations are bounded within a limited range that statistical shape models can capture. This paper proposes a shape-guided Gaussian splatting framework for sparse-view X-ray 3D reconstructions. Our contribution lies in driving Gaussian positions toward anatomically valid configurations, alongside atlas-based density regularization. Our method ensures anatomically consistent reconstruction and improves PSNR by 2.83 dB over a state-of-the-art Gaussian splatting baseline with as few as 5 views. Code Available: https://github.com/polyshape-lab/ShapeGuidedGaussian
• Abstract（参考訳）: 放射線被曝の低減には, スパースビューX線3D再構成が不可欠であるが, 少数のX線投射から密度場を復元することは極めて困難である。 近年, 3D Gaussian Splatting は, 明示的で最適化されたプリミティブを用いて, ボリュームを表現することで, スパースビュー再構築における最先端性能を実現しているが, 数十の投影ビューが必要である。 より少ないビューでは、明示的なプリミティブが解剖学的情報なしで自由に最適化されているため、再構築品質が著しく低下する。 対照的に解剖学的構造は、個体群全体で類似した幾何学と密度を共有している。 それらのバリエーションは、統計的形状モデルが捉えることのできる限られた範囲に制限されている。 本稿では, スパースビューX線3次元再構成のための形状誘導型ガウススプラッティングフレームワークを提案する。 我々の貢献は、アトラスに基づく密度正規化とともに、解剖学的に有効な構成へガウスの位置を誘導することにある。 本手法は解剖学的に一貫した復元とPSNRの2.83dB向上を実現する。 コード提供: https://github.com/polyshape-lab/ShapeGuidedGaussian

関連論文リスト

• X-Splat: Gaussian Splatting for 3D CBCT Generation from Single Panoramic Radiograph [0.23064058378889166]
  我々は, CBCT様の歯科用3Dボリュームを単一PXRから生成する最初のガウススプラッティングフレームワークであるX-Splatを提案する。 我々は合成PXR-CBCTペアを訓練し、ペアの実スキャンなしで直接監視できるようにした。 X-SplatはNeRFおよびGANベースラインより優れ、個々の歯、皮質境界、歯槽構造を回復する。
  論文  参考訳（メタデータ） (2026-07-02T12:34:59Z)
• 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)
• X-GRM: Large Gaussian Reconstruction Model for Sparse-view X-rays to Computed Tomography [89.84588038174721]
  Computed Tomographyは臨床において必須のツールであり、内部解剖学的構造を非侵襲的に可視化する。 既存のCT再構成作業は、小さなキャパシティモデルアーキテクチャと非フレキシブルボリューム表現に限られている。 スパースビュー2次元X線プロジェクションから3次元CTボリュームを再構成する大規模なフィードフォワードモデルであるX-GRMを提案する。
  論文  参考訳（メタデータ） (2025-05-21T08:14:10Z)
• IXGS-Intraoperative 3D Reconstruction from Sparse, Arbitrarily Posed Real X-rays [1.2721397985664153]
  R2$-Gaussian splatting frameworkを拡張して、一貫した3Dボリュームを困難な条件下で再構築する。 形態伝達を用いた解剖学的誘導ラジオグラフィ標準化のステップを導入し、ビュー間の視覚的整合性を改善する。
  論文  参考訳（メタデータ） (2025-04-20T18:28:13Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
  Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。 GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。 GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
  論文  参考訳（メタデータ） (2024-04-16T17:57:19Z)
• Gaussian Pancakes: Geometrically-Regularized 3D Gaussian Splatting for Realistic Endoscopic Reconstruction [12.16045145984442]
  現在の方法は、大腸表面の包括的かつ正確な3D再構成を提供することに苦慮している。 ガウス・パンケーキ(Gaussian Pancakes)は3次元ガウス・スティング(Gaussian Splatting, 3D GS)の手法である。 また,PSNRが18%向上し,SSIMが16%向上した。 また、100倍以上の高速レンダリングと10倍以上のトレーニング時間を提供し、リアルタイムアプリケーションに実用的なツールを提供する。
  論文  参考訳（メタデータ） (2024-04-09T08:51:44Z)
• 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
  3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。 多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。 競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T17:21:24Z)

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。