基于 NeRFs 的腹腔三维场景渲染的研究
通过采用神经辐射场(NeRF)方法,我们展示了一种能够学习时间上动态且可变形的三维场景的方法,并能适应各种不同相机和场景设置的鲁棒性模型,该模型消除了已知相机姿态的限制,并克服了目前静态场景重构技术中依赖场景静态部分进行精准重构的缺点,为当前和未来的机器人外科手术系统提供了潜力。
Sep, 2023
从预先获取的单眼胃镜图像中,构建胃内任意新视角图像合成是胃部诊断中一个有前途的课题。本文应用新兴的神经辐射场技术(NeRF)将单眼胃镜数据转化为合成逼真图像,通过引入几何先验提高了图像渲染质量,在胃内展示了高保真度的新视角图像。
May, 2024
通过将 NeuS 应用于内窥镜图像并辅以单帧深度图,我们在结肠切片重建方面引入了一种新的方法,该方法解决了单目结肠镜图像重建中的组织纹理表示不足和尺度混淆问题,通过严格的实验证明了其在渲染结肠切片方面的异常精确性,为稳定和一致缩放重建打开了新的途径,为癌症筛查和治疗干预提供了更好的质量。
Apr, 2024
神经放射场 (NeRF) 是计算机视觉中的一种开创性技术,通过从投影到二维图像数据中合成三维表示来为医学成像提供巨大潜力。然而,在应用于医学领域时,它们面临着特殊的挑战。本文对 NeRF 在医学成像中的应用进行了全面的研究,突出了四个潜在的挑战,包括基本成像原理、内部结构要求、物体边界定义和颜色密度意义。我们讨论了目前不同器官上的现有方法,并讨论了相关的局限性。我们还回顾了几个数据集和评估指标,并提出了几个未来研究的有前景的方向。
Feb, 2024
基于神经辐射场(NeRF)的新重建框架 ColonNeRF,通过重建结构的多分区组合、多级融合以及密集化相机姿势来解决结肠镜检查重建中的形状差异、几何一致性和视角稀疏性等挑战,显著优于现有方法。
Dec, 2023
Neural Radiance Fields (NeRFs) are a new representation of 3D scenes for view synthesis and image-based rendering, widely used and extended by thousands of papers, with potential for future advancements in 3D representations.
Aug, 2023
该研究提出了一种基于神经辐射场(NeRF)技术的生成全息图的新方法。使用深度神经网络在合理的时间内构建了从 2D 图像生成的 3D 光场的渲染流程,包括 NeRF、深度预测器和全息图生成器,而不需要任何物理计算。通过该流程,可以计算从任意方向观看的 3D 场景的预测全息图。研究还展示了仿真和实验结果。
Mar, 2024
通过多个重叠的 4D 神经辐射场(NeRFs)和渐进优化方案,在高度动态的变形组织环境中对移动内窥镜进行隐式场景分离和重建,从而提高了操作简易性并在时间上提供了患者视频的重建能力的改进,同时不依赖于外部跟踪信息。
Mar, 2024
该研究论文通过详细研究神经辐射场(NeRF)在工业应用领域的潜力,并提供未来研究方向,证明了 NeRF 在工业领域的潜力。此外,论文还展示了 NeRF 在视频压缩和三维运动估计方面的实验结果,证明了它们在这些应用中的有效性。
Aug, 2023
使用少量照片重建现实场景的方法,通过在合成和多视图数据集上训练的扩散先验来对新视角的合成进行规范化,从而在超约束区域综合出逼真的几何和纹理,同时保持观察区域的外观。与以前的少视图 NeRF 重建方法相比,我们在各种真实世界数据集上进行了广泛评估,包括正向和 360 度场景,并展示了显著的性能改进。
Dec, 2023