标签

 重建 

相关的文章:

本列表页提供了关于重建技术的研究成果,包括信号检测、几何重建和图像处理等方面的内容。通过使用模型生成和深度学习等方法,我们探索了在不同领域中应用重建技术的可能性。

BriefGPT - AI 论文速递 -

NeRF 解决 MRI 重建中的欠采样问题

提出了一种利用神经辐射场(NeRF)概念的新型亚采样磁共振成像(MRI)技术,通过径向亚采样,将相应的成像问题转化为从稀疏观察数据渲染的图像建模任务,因此可以利用隐式神经表示从亚采样的 K 空间数据中获得高维 MR 图像。

我们提出了一种多空间神经辐射场(MS-NeRF),通过在并行子空间中表示场景的特征场组,以更好地理解神经网络对具有反射和折射性物体的存在的情况,从而实现了对现有 NeRF 方法的增强,且仅需要小的计算开销。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

从骨架表示进行管状形状重建的几何算法

提出了一种新的方法来从骨架表示中重建管状形状,通过将管状形状表示为截断的有符号距离函数(TSDF)以体素哈希的方式处理所有骨架点作为一个整体,从而消除了将输入结构分割成多个部分的需要。与其他方法相比,我们的方法不涉及任何表面采样方案或解决大型矩阵方程,因此是管状形状重建的更快且更优雅的解决方案。实验证明了所提方法的高效性和有效性。可在此 https URL 找到代码。

该研究提出了一种新的方法来从骨架表示中重建管状形状。通过将管状形状表示为截断的有符号距离函数(TSDF)以体素哈希的方式处理所有骨架点作为一个整体,从而消除了将输入结构分割成多个部分的需要。与其他方法相比,该方法更快且更优雅,不需要表面采样方案或解决大型矩阵方程。实验证明了该方法的高效性和有效性。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

基于模拟观察函数的损失函数提升学习型 CT 重建中的信号检测能力

通过引入受模型观察者框架启发的新型训练损失函数,我们改善了重建合成稀疏视野乳腺 CT 数据中弱信号的可检测性。

本文研究了基于深度学习的方法是否能够精确解决无噪声的反问题,并通过计算机断层扫描问题的研究证明了迭代的端到端网络方案和数据驱动的校准步骤能够使CT重建达到数值精度,该方法表现优越。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

使用合成训练生成模型进行文化艺术品的一对多三维几何重建

使用单张草图图像自动生成详细的三维表示,通过多模态输入进行引导,无需大量训练样本。该解决方案可供领域专家交互式地重建丢失文物可能的外观。

本文研究了从单个图像中推断物体的三维形状,使用雕塑作为实验数据集,并提出了一种新的损失函数和数据处理方法。实验结果表明,该方法可以推断出新物体的三维形状,并在测试时泛化到新的领域。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

H2O-SDF: 使用物体表面场的二阶段学习进行 3D 室内重建

我们介绍了一种新颖的两阶段学习方法,H2O-SDF,用于区分室内环境中的对象和非对象区域。该方法在保持房间布局的几何完整性的同时,捕捉特定对象的复杂表面细节。我们的方法的核心是引入了一种名为对象表面场(OSF)的新概念,用于解决先前阻碍其他方法捕捉高频细节的持续消失梯度问题。通过多个实验,包括消融研究,验证了我们提出的方法。

我们介绍了一种名为H2O-SDF的两阶段学习方法,用于区分室内环境中的对象和非对象区域。该方法引入了对象表面场(OSF)的新概念,解决了捕捉高频细节的问题。通过多个实验验证了该方法的有效性。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

MIRT:一种四维计算机断层扫描(4DCT)的同时重建和仿射运动补偿技术

在本研究中,我们提出了 Motion-compensated Iterative Reconstruction Technique (MIRT),这是一种高效的迭代重建方案,它将图像重建和仿射运动估计结合在一个单一更新步骤中,基于对重建和仿射运动参数的运动的解析梯度。无论其它最先进的四维计算机断层扫描(4DCT)方法是否尝试在真实数据上进行测试,模拟结果和实验结果表明,我们的方法在计算可行性和投影距离方面优于具有仿射运动校正的最新 CT 重建方法,特别是在实际获取的投影放射图像中,我们的方法能够准确重建以微观钻石为例的运动外观,这为 4DCT 的新应用提供了可能性。

本研究提出了Motion-compensated Iterative Reconstruction Technique (MIRT),一种高效的迭代重建方案,结合了图像重建和仿射运动估计。实验结果表明,该方法在计算可行性和投影距离方面优于其他最先进的4DCT方法,为4DCT的新应用提供了可能性。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

深度图像先验分析与图像重建中的自引导利用

通过分析深度图像先验(DIP)的训练动态,我们揭示了 DIP 基于核函数制度下从欠采样图像测量中恢复信息的重要属性;通过引入参考图像作为网络输入并结合新颖的去噪正则化项,我们提出了一种自引导重建方法,通过同时优化网络权重和输入,消除了训练数据的需求,并在磁共振图像重建方面超过了传统 DIP 和现代监督方法,并且在图像修补中也优于之前基于 DIP 的方案。

通过分析深度图像先验(DIP)的训练动态,研究人员提出了一种自引导重建方法,通过优化网络权重和输入,消除了训练数据的需求,并在磁共振图像重建和图像修补方面超过了传统方法。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

针对 GPT 模型的对话重建攻击

近期,大型语言模型(LLMs)的领域取得了显著进展,GPT 系列模型为代表。为了优化任务执行,用户通常与云环境中的 GPT 模型进行多轮对话。本文介绍了一种特定的针对 GPT 模型的对话重建攻击,评估了其中存在的隐私风险,并引入了两种高级攻击来更好地重建以前的对话。研究结果表明,在涉及 GPT 模型的对话中存在隐私风险,并旨在引起社区的关注,以防止对这些模型杰出功能的潜在滥用。

这篇论文评估了ChatGPT(GPT-3.5、GPT-4)在数字取证领域的影响和潜在影响。研究发现,尽管ChatGPT在某些应用场景中有潜在的低风险应用,但很多应用目前不适用。然而,在合适的知识用户下,它可以作为一个有用的辅助工具。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

一种嵌入式的、隐式的 IUVD 表示方法用于基于部件的 3D 人体表面重建

通过引入 IUVD-Feedback 表示法,该论文提出了一种将人体姿态、形状和服装细节同时考虑在内的三维人体表面重构方法,通过替代计算成本高的有符号距离计算,成功地保留了参数化身体先验,并在查询 - 推理过程中加速查询点,从而提高了结果的鲁棒性和查询 - 推理速度。

本文介绍了一种新颖的虚拟人物表示方法,用于实时动画和渲染3D应用程序。通过多视角视频重建和统计身体模型,实现了高效、有针对性的学习和定义姿态依赖性。同时,通过在模型中编码姿态相关的外观和几何形状,保证了较高水平的真实感,促进了虚拟人物的实时处理和渲染。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

基于数据驱动的 FBP 滤波器设计:通过可训练傅立叶级数改进 CT 重建

该研究引入一种基于傅里叶级数的可训练滤波器,用于在过滤反投影 (FBP) 框架中进行计算机断层扫描 (CT) 重建。该方法通过优化傅里叶级数系数来构建滤波器,克服了传统 FBP 方法中噪声减少的限制。该方法在不同分辨率尺度下具有稳健的性能,并且与其他深度学习框架相比,对可训练参数的增量极小,保持了计算效率。此外,我们提出了高斯边缘增强 (GEE) 损失函数,该函数优先考虑高频幅度的 $L_1$ 范数,有效对抗了均方误差 (MSE) 方法中普遍存在的模糊问题。该模型基于 FBP 算法,保证了卓越的可解释性,因为它依赖于通过严格的数学程序导出的数据驱动滤波器的所有其他参数。我们的傅里叶级数滤波器设计为即插即用的解决方案,可以轻松集成到现有的 CT 重建模型中,成为广泛实际应用的多功能工具。我们的研究提出了一种强大且可伸缩的方法,扩展了 FBP 在医学和科学成像中的应用价值。

该研究提出了一种基于傅里叶级数的可训练滤波器用于计算机断层扫描重建,克服了传统方法的限制。该方法具有稳健的性能和高效率,并引入了高斯边缘增强损失函数来对抗模糊问题。该研究扩展了FBP在医学和科学成像中的应用价值。

相关推荐 去reddit讨论

热榜 Top10

最近读过

  1. 盘点C#最有价值的10个语法糖 - 约读过
  2. c#委托用法详解 - 约读过
  3. 如何用c#优雅的写函数式 - 约读过
  4. c#线程安全讲解 - 约读过
  5. 一个基于C#开发的、开源的特殊字符输入法 - 约读过
  6. C#开源免费的Windows右键菜单管理工具 - 约读过
  7. FreeBuf早报 | 《GTA 6》少年黑客被判终生入院看护;谷歌地图“泄露”俄军信息 - 约读过
  8. 谷歌介绍Chrome浏览器自定义主题和新标签页设置的侧边栏 - 约读过
  9. 4 ways to easily check out on Chrome - 约读过
  10. Chrome is getting 3 new generative AI features - 约读过
...
观测云
...
ShowMeBug
...
白鲸技术栈
...
Dify.AI
...
LigaAI
...
天勤数据
...
eolink

推荐或自荐