Discretized Gaussian Representation for Tomographic Reconstruction

要約

コンピュータ断層撮影 (CT) は、物体の詳細な断面図を提供する、広く使用されているイメージング技術です。
過去 10 年にわたり、ディープラーニング ベースの再構成 (DLR) 手法が画質の向上とノイズの削減を目指してきましたが、多くの場合、大量のデータが必要となり、計算量が多くなります。
シーン再構成における最近の進歩に触発され、一部のアプローチでは NeRF および 3D ガウス スプラッティング (3DGS) 技術を CT 再構成に採用しています。
ただし、これらの方法は、3D ボリュームを直接再構成するのには理想的ではありません。
この論文では、CT 再構成の表現を再考し、CT 用に特別に設計された新しい離散化ガウス表現 (DGR) を提案します。
一般的な 3D ガウス スプラッティングとは異なり、私たちの表現は、一連の離散化ガウス関数を使用してエンドツーエンドの方法で 3D ボリュームを直接再構築します。
さらに、これらのガウス分布の寄与を効率的に離散化ボリュームに集約する高速ボリューム再構成手法を導入します。
現実世界と合成データセットの両方に対する広範な実験により、再構成の品質と計算効率の向上における私たちの方法の有効性が実証されています。
私たちのコードはレビュー目的で提供されており、承認され次第公開されます。

要約(オリジナル)

Computed Tomography (CT) is a widely used imaging technique that provides detailed cross-sectional views of objects. Over the past decade, Deep Learning-based Reconstruction (DLR) methods have led efforts to enhance image quality and reduce noise, yet they often require large amounts of data and are computationally intensive. Inspired by recent advancements in scene reconstruction, some approaches have adapted NeRF and 3D Gaussian Splatting (3DGS) techniques for CT reconstruction. However, these methods are not ideal for direct 3D volume reconstruction. In this paper, we reconsider the representation of CT reconstruction and propose a novel Discretized Gaussian Representation (DGR) specifically designed for CT. Unlike the popular 3D Gaussian Splatting, our representation directly reconstructs the 3D volume using a set of discretized Gaussian functions in an end-to-end manner. Additionally, we introduce a Fast Volume Reconstruction technique that efficiently aggregates the contributions of these Gaussians into a discretized volume. Extensive experiments on both real-world and synthetic datasets demonstrate the effectiveness of our method in improving reconstruction quality and computational efficiency. Our code has been provided for review purposes and will be made publicly available upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google