3D再構成のためのマルチスケールトポロジー損失項による形状情報の獲得【JST・京大機械翻訳】

Waibel Dominik J. E.; Atwell Scott; Meier Matthias; Marr Carsten; Rieck Bastian

プレプリント

J-GLOBAL ID：202202213251105799 整理番号：22P0298353

3D再構成のためのマルチスケールトポロジー損失項による形状情報の獲得【JST・京大機械翻訳】

Capturing Shape Information with Multi-Scale Topological Loss Terms for 3D Reconstruction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年09月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

2D画像からの3D物体の再構成は,著者らの脳と機械学習アルゴリズムの両方にとって挑戦的である。この空間推論タスクをサポートするために,オブジェクトの全体形状に関する文脈情報が重要である。しかし,このような情報は確立された損失項(例えばDice損失)によって捉えられていない。再構成損失において,連結成分,サイクル,およびボイドのようなマルチスケールトポロジー特徴を含めることによって,幾何学的形状情報を補完することを提案する。提案手法では,3Dボリュームデータのトポロジー的特徴を計算し,再構成プロセスを導く最適輸送距離を採用した。このトポロジー意識損失は完全に微分可能であり,計算的に効率的で,任意のニューラルネットワークに追加できる。2D顕微鏡画像に基づく個々の細胞の3D細胞形状を予測するためのモデル,SHAPRにそれを組み込むことにより,著者らの損失の有用性を実証した。それらの形状を評価するために単一物体の幾何学的およびトポロジー的情報の両方を利用するハイブリッド損失を用いて,トポロジー情報が再構成の品質を大幅に改善し,画像データセットからより関連する特徴を抽出する能力を強調した。【JST・京大機械翻訳】

, , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, ,

前のページに戻る