Jul, 2023

混合 CSR：联结显式和隐式形状表示进行皮层表面重建

PDF
TL;DRHybrid-CSR 是一种几何深度学习模型，它结合了显式和隐式形状表示，用于皮质表面重建。该方法统一了显式和隐式皮质表面重建，通过优化改进的网格变形模块进行端到端训练，以捕捉详细结构并解决拓扑缺陷，以达到更准确、规则和一致的数字测量结果。
hybrid-csrgeometric deep-learningcortical surface reconstructionexplicit and implicit shape representationstopology correction pipeline
发现论文，激发创造
  • DeepCSR：一种用于大脑皮层表面重建的三维深度学习方法

    本文提出了一种基于深度学习的 3D 框架 DeepCSR，用于从 MRI 中重建大脑皮层，并在清晰地捕捉皮层折叠的同时，能够高效地重建皮层表面，比 FreeSurfer 和 FastSurfer 更准确更快。

    Oct, 2020

  • 通过递归变形学习从婴儿脑 MRI 重建具有球面拓扑的皮层表面

    通过深度学习方法，本研究提出了一种高效的同时进行大脑皮层表面重建与球形映射的方法，有效地改善了婴儿脑 MRI 的网格规则性和几何误差，超过了最先进的深度学习方法，并保持了较高的计算效率。

    Dec, 2023

  • 将显式和隐式表面表示耦合用于生成式 3D 模型

    本论文提出了一种新的神经体系结构来表示 3D 表面，通过引入一些创新的一致性损失来保证两个形状表示方式的协同处理，这种混合架构能够比单一表示网络产生更优的结果。

    Jul, 2020

  • HISR：用于逼真的 3D 人体重建的混合隐式表面表示

    我们提出了一种新的混合隐式表面表示方法来建模人体形状，该表示方法由两个表面层组成，用于表示穿着衣物的人体的不同区域，我们使用视觉线索自动分割不同区域，并学习重建两个有符号距离函数，我们在不透明区域上执行基于表面的渲染以保留高保真度的表面法线，并在半透明区域上执行体积渲染（例如头发），实验证明我们的方法在 3D 人体重建上取得了最先进的成果，并在其他物体上展示了有竞争力的表现。

    Dec, 2023

  • Vox2Cortex: 基于几何深度神经网络的 3D MRI 扫描皮层表面快速显式重构

    本论文提出了一种名为 Vox2Cortex 的基于深度学习的算法，直接从 MRI 扫描中提取顶部正确且三维网格化的大脑皮层界面，相较于传统和基于深度学习的算法更快速、更精准。

    Mar, 2022

  • 通过稠密对应实现可变形物体的隐式形状表示的自监督学习

    使用自监督学习方法为可变形物体学习神经隐含形状表示法，无需特定语义领域的额外注释和大量变形约束，可用于纹理转移和形状编辑应用。

    Aug, 2023

  • 深度级集：用于三维形状推断的隐式表面表示

    通过引入一种变分形状推理方法以及一种新的几何损失函数，我们提出了一种端到端的可训练模型，可以直接预测任意拓扑的隐式表面表示，并演示了该模型在 3D 表面预测任务中的准确性和灵活性。

    Jan, 2019

  • 3DIAS：使用隐式代数曲面进行三维形状重建

    本论文中，我们提出了基于约束隐式代数曲面和深度神经网络的方法，以实现对高复杂度 3D 形状的更准确重建和分割，相较于现有单 RGB 图像 3D 形状重建技术，该方法表现出更强的表现力和性能，可无监督地进行学习。

    Aug, 2021

  • 点作为形状：可微分泊松求解器

    本文提出了一个基于可微分的 Poisson 曲面重建形式的可微分点到网格层，实现与另外两种不同类型表达（点和网格）之间的连接，达到更好的 3D 重建效果，比基于神经暗示表达的方法更精炼且推理时间加速了一个数量级。

    Jun, 2021

  • 基于模板的 MRI 皮层表面重建的神经变形场

    Vox2Cortex-Flow 是一种深度网格变形技术，通过学习从大脑模板到磁共振成像扫描的皮层表面的变形场，实现皮层表面的重建，并能与白质和脑膜表面共同建模。该方法在重建精度上达到了最先进水平，并提供了皮层厚度的分区和群体分析所需的一致对应关系。

    Jan, 2024