論文の概要: Learning a Motion Manifold to Constrain Ambiguity in Unsupervised 4D Medical Image Interpolation
- arxiv url: http://arxiv.org/abs/2610.40121v1
- Date: Thu, 29 Oct 2026 14:17:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 08:14:23.081984
- Title: Learning a Motion Manifold to Constrain Ambiguity in Unsupervised 4D Medical Image Interpolation
- Title（参考訳）: 教師なし4次元医用画像補間におけるあいまいさを抑える運動マニフォールドの学習
- Abstract要約: 非監督的な4D医療画像は、中間的な監督なしに、時間的にスパースな観察から中間解剖状態を再構築する。
サンプル固有の変動を保ちながら、候補運動場を制限する運動多様体を学習するフレームワークを開発する。
ACDC と 4D-Lung の実験は, 中間ボリュームを使わずに訓練した試験方法と, 中間管理を用いた試験方法に対する競争結果のうち, 最先端の性能を実証した。
- 参考スコア（独自算出の注目度）: 48.61427591854038
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unsupervised 4D medical image interpolation reconstructs intermediate anatomical states from temporally sparse observations without intermediate supervision. Distinct motion fields may attain comparable endpoint agreement while producing different intermediate anatomy, giving rise to motion ambiguity. This ambiguity is difficult to constrain when many independently adjustable motion variables must be estimated from the observed endpoints. We develop a framework that learns a motion manifold to restrict candidate motion fields while retaining sample-specific variation. Cross-Sample Spectral Basis Learning extracts recurring motion structure from endpoint-derived dense estimates and encodes it in a shared spectral basis. Sample-Conditioned Cayley Basis Reorientation uses predicted motion coordinates to rotate the effective motion directions for each endpoint pair without increasing the number of independent coordinates. Their composition defines a nonlinear family of complete velocity fields across endpoint pairs, accommodating anatomical and motion-state differences within a restricted representation. Integrating each predicted field supports bidirectional reconstruction at arbitrary intermediate times. Theoretical analysis establishes sufficient conditions under which endpoint observations distinguish nearby motions within the learned family. Experiments on ACDC and 4D-Lung demonstrate state-of-the-art performance among the evaluated methods trained without intermediate volumes and competitive results against methods using intermediate supervision.
- Abstract（参考訳）: 非教師なし4次元医用画像補間は、中間監督なしで時間的にスパースな観察から中間解剖状態を再構成する。
固有運動場は異なる中間解剖を発生させながら同等の終端一致を達成でき、運動の曖昧さを生じさせる。
この曖昧さは、観測された終点から多くの独立に調整可能な運動変数を推定する必要がある場合に制約される。
サンプル固有の変動を保ちながら、候補運動場を制限する運動多様体を学習するフレームワークを開発する。
Cross-Sample Spectral Basis Learningは、終端からの高密度推定から繰り返し動く構造を抽出し、共有スペクトルベースで符号化する。
サンプル・コンディションド・ケイリー・ベイズ・リオリエンテーションは、予測された動き座標を用いて、独立座標の数を増やすことなく、各エンドポイント対の効果的な動き方向を回転させる。
それらの構成は、終端対にまたがる全速度場の非線形族を定義し、制限された表現の中で解剖学的および運動状態の違いを調節する。
各予測フィールドの統合は、任意の中間時間における双方向の再構成をサポートする。
理論的解析は、エンドポイント観察が学習家族内の近くの動きを区別する十分な条件を確立する。
ACDC と 4D-Lung の実験は, 中間ボリュームを使わずに訓練した試験方法と, 中間管理を用いた試験方法に対する競争結果のうち, 最先端の性能を実証した。
関連論文リスト
- EgoExplorer: A Vision-Motion-Touch Observatory for Human Loco-Manipulation In Situ [67.89251850608498]
EgoExplorerは、ウェアラブルシステムで構築された人間のロボ操作の100時間の視覚モーションタッチ観測所である。
プロの活動に重点を置いて、その連続的な録音は、エゴセントリックなビデオと、再構築された全身の動きとを一致させる。
我々は,このカバーをスパースボディセンシングで実現するために,Calibrate-Complete-Constrainパイプラインを開発した。
論文 参考訳（メタデータ） (2026-10-13T17:59:55Z) - Discrete Action Matching: Learning Stochastic Dynamics from Samples via State Graphs [57.50632332726287]
離散ワッサーシュタイン幾何に基づく有限状態のアクションマッチングを導入する。
所定の限界経路と輸送形状について、正準最小運動エネルギー電流に対する作用最小化の目的を導出する。
経験的なスナップショットとともに、DAMはまずこれらの比率を推定し、次にアクションポテンシャルを学習する。
論文 参考訳（メタデータ） (2026-10-04T09:13:33Z) - Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。
平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
論文 参考訳（メタデータ） (2026-09-29T11:24:19Z) - Freezing of Gait Prediction Under Spatial Occlusion: An IMU-Supervised Cross-Modal Distillation Approach [0.0]
パーキンソン病(英: Parkinson disease)は、運動制御の段階的な低下を特徴とする進行性神経変性疾患である。
自動フリーズ・オブ・ゲイト(FOG)検出は歩行関連運動障害の客観的評価を支援する。
FOG予測には, (i) 患者の動作の映像記録を分析し, (ii) 下肢に装着した慣性計測装置(IMU) ウェアラブルセンサを用いて収集したデータを解析する。
ビデオベースのアプローチは、下肢が相当な幾何学的自己閉塞を受けており、ポーズ推定の精度が低下するため、連続的なターン・イン・プレイス・タスク中に検出エラーを被る可能性がある。
論文 参考訳（メタデータ） (2026-09-09T07:29:13Z) - From Where to How: Continuous 4D Interaction Forecasting from Egocentric Video [62.898774619819676]
エゴセントリックな4Dインタラクション予測は、将来のインタラクションが3Dで起こる場所と、その実現のために人体がどのように動くかを予測することを目的としている。
コヒーレント4D(Coherent4D)は、3つの領域にわたる約233Kサンプルからなる連続4Dインタラクション予測のための大規模エゴセントリックデータセットである。
HIGFlow(Hand Interaction Guided Residual Flow)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-08T12:06:23Z) - Phase-Aligned Finite-Fourier Periodic Deformation for 4D Medical Image Interpolation [16.72607735100725]
4Dの医療画像は、わずかに観察された時間ポイントから行方不明の量を回復することを目的としている。
重要な課題は、この構造がACDCの最先端表現に直接エンコードされるとは限らないことである。
論文 参考訳（メタデータ） (2026-08-25T03:34:54Z) - Low-Rank Velocity Fields as a Structural Prior for Unsupervised 4D Medical Image Interpolation [18.528994588096076]
教師なしの4D医療画像は、訓練用に利用可能な開始と終了のボリュームのみを使用して、スパースサンプリングされたシーケンスから中間ボリュームを合成する。
この弱い制約条件は、しばしば不安定な境界と非生理学的運動を持つ中間体を生じさせ、解釈可能性や下流解析を制限する。
そこで我々は, 構造的タッカー低速度場に対する制約運動として, 低ランク速度場を提案する。
論文 参考訳（メタデータ） (2026-08-25T03:30:03Z) - STEP: Learning STructured Embeddings for Progressive Time Series [1.034052616244602]
本稿では,プログレッシブ時系列の解釈可能な表現を学習するための新しい手法を提案する。
我々の手法は、低次元の潜在空間を学習するために、自己教師付きコントラスト的目的を用いている。
多様な領域における最先端技術に対するアプローチを評価する。
論文 参考訳（メタデータ） (2026-05-29T09:33:34Z) - Observability Conditions and Filter Design for Visual Pose Estimation via Dual Quaternions [1.9336815376402718]
本稿では、6-DOF視覚目標追跡のための2つの四元法フレームワークを提案する。
これはパースペクティブ-n-point (P$n$P) ソルバの重要な制限に対処する。
結果は、視覚-慣性ナビゲーション、同時ローカライゼーションとマッピング、およびP$n$Pソルバ開発に広く適用できる。
論文 参考訳（メタデータ） (2026-05-03T20:59:58Z) - MoCapAnything V2: End-to-End Motion Capture for Arbitrary Skeletons [56.68975315643491]
本稿では,ビデオ・ツー・ローテーションとビデオ・ツー・ローテーションを共同で学習し,最適化する,最初のエンドツーエンドフレームワークを提案する。
本手法は, メッシュベースパイプラインの20倍の速度で, 回転誤差を17度から10度, 見えない骨格では6.54度に低減する。
論文 参考訳（メタデータ） (2026-04-30T17:16:38Z)
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。