論文の概要: AD-GS: Anatomical Density-guided 3D Gaussian Splatting for Sparse-View Dental CBCT Reconstruction
- arxiv url: http://arxiv.org/abs/2610.14963v1
- Date: Sat, 10 Oct 2026 14:35:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 03:06:34.528633
- Title: AD-GS: Anatomical Density-guided 3D Gaussian Splatting for Sparse-View Dental CBCT Reconstruction
- Title（参考訳）: AD-GS: Anatomical density-guided 3D Gaussian Splatting for Sparse-View Dental CBCT Reconstruction
- Abstract要約: Sparse-view Cone-Beam Computed Tomography (CBCT) は放射線線量削減とスキャンに不可欠である。
最近の3次元ガウス散乱(3DGS)に基づくCBCT再構成法は勾配駆動型密度化に依存している。
本稿では, 解剖学的密度誘導型3次元ガウスめっきフレームワークであるAD-GSについて, 減衰に注意するマルコフ・チェインモンテカルロサンプリングプロセスとして, ガウス密度化を定式化する。
- 参考スコア（独自算出の注目度）: 39.759347573766476
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sparse-view Cone-Beam Computed Tomography (CBCT) reconstruction is essential for reducing radiation dose and scan effort, but remains underconstrained due to limited projection information. Recent 3D Gaussian Splatting (3DGS)-based CBCT reconstruction methods rely on gradient-driven densification, which becomes unstable under sparse acquisition and often leads to over-smoothed structures. We propose AD-GS, an Anatomical Density-guided 3D Gaussian Splatting framework that formulates Gaussian densification as an attenuation-aware Markov Chain Monte Carlo (MCMC) sampling process. By interpreting Gaussians as samples from an underlying anatomical attenuation distribution, AD-GS adaptively concentrates representation capacity in high-attenuation regions, enabling sharper structural boundaries under sparse projections. To further constrain reconstruction, we incorporate a semantic regularization based on zero-shot features from Segment Anything in Medical Images, enforcing multi-view consistency through semantic priors. Experiments on the ToothFairy3 dental CBCT dataset demonstrate that AD-GS achieves superior structural fidelity and boundary preservation compared with existing 3DGS-based approaches under sparse-view settings within the dental and maxillofacial setting. Code is available at https://github.com/yulinjiaxue/AD-GS-BMVC2026.
- Abstract（参考訳）: Sparse-view Cone-Beam Computed Tomography (CBCT) の再建は放射線線量とスキャンの労力を減らすのに不可欠であるが, 投影情報に制限があるため, 未調整のままである。
近年の3次元ガウススティング(3DGS)に基づくCBCT再構成法は, スパース獲得時に不安定になり, 過度に平滑な構造に繋がる勾配駆動型密度化に依存している。
解剖学的密度誘導型3次元ガウススメッティングフレームワークであるAD-GSを, 減衰を意識したマルコフ・チェインモンテカルロ(MCMC)サンプリングプロセスとして定式化する。
基礎となる解剖学的減衰分布のサンプルとしてガウスを解釈することにより、AD-GSは高減衰領域における表現能力を適応的に集中させ、スパースプロジェクションの下でより鋭い構造境界を可能にする。
再構成をさらに制約するために、医用画像におけるセグメンテーションのゼロショット特徴に基づくセグメンテーションを組み込み、セグメンテーションの優先順位を通した多視点一貫性を実現する。
歯科用歯科用CBCTデータセットを用いた実験により,AD-GSは既存の3DGSベースのアプローチと比較して,歯面および顎顔面のスパース・ビュー・セッティングにおいて優れた構造的忠実度と境界保存を達成できることが示された。
コードはhttps://github.com/yulinjiaxue/AD-GS-BMVC2026で公開されている。
関連論文リスト
- Shape-guided Gaussian Splatting for Sparse-View X-ray 3D Reconstruction [1.6200997411340154]
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。
論文 参考訳（メタデータ） (2026-09-09T16:05:09Z) - MedGSSR: Generalizable Medical Image Super-Resolution 3D Reconstruction via Hierarchical Feed-forward Gaussian Splatting [13.86963166956946]
高解像度の医用画像は臨床診断に重要であるが、取得はスキャナーハードウェア、スキャン時間、CT、放射線線量によって制限されることが多い。
Medical 3D Super-Resolution (Med3DSR) は計算的な代替手段を提供するが、既存の手法は通常、オブジェクトごとの最適化、事前訓練、座標ベースの暗黙の表現に頼っている。
我々は、Med3DSRの3次元ガウス場としてボリュームを表す完全なエンドツーエンドフィードフォワードフレームワークであるMedGSSRを提案する。
論文 参考訳（メタデータ） (2026-09-06T23:33:02Z) - TR-GS: High-Fidelity Sparse-View CT Volumetric Rendering via t-Distribution Gaussian Splatting and Ray-Confidence Modeling [2.2725140324263333]
TR-GSは、スパースビューCTボリュームレンダリングのためのガウス平滑化フレームワークである。
信頼誘導型3次元ウェーブレット規則化は、高周波詳細保存とノイズ抑制のバランスをとるために用いられる。
論文 参考訳（メタデータ） (2026-08-17T03:11:28Z) - Rad-JEPA 3D: Radiology Joint-Embedding Predictive Model for 3D Computed Tomography [10.665332135327205]
ボリュームCT表現を学習する共同埋め込み予測フレームワークであるRad-JEPA 3Dを紹介する。
中間表現の質を向上させるために,隠れ状態直交正規化(HSOR)を提案する。
HSORは、生徒と教師の隠れ状態を調整し、エンコーダ全体の特徴冗長性を減少させる。
論文 参考訳（メタデータ） (2026-07-28T19:00:17Z) - NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation [65.34304674634713]
3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。
本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
論文 参考訳（メタデータ） (2026-04-16T07:14:07Z) - 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) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - 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) - Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。
本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。
我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
論文 参考訳（メタデータ） (2025-05-08T18:41:38Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z)
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。