3D 场的交叉口：用于体积逆问题的噪声鲁棒、无训练结构先验
计算机视觉与模式识别
2026-03-03 v1 信号处理
摘要
体积去噪是计算成像中的基础问题，因为许多 3D 成像逆问题面临高水平的测量噪声。灵感来源于 Field of Junctions (ICCV 2021) 在 2D 图像去噪方面的显著效果，我们提出一种新型的完全体积的 3D Field of Junctions (3D FoJ) 表示，该表示优化每个 3D 体块片段的最佳解释性 3D 棱柱的交叉口，同时鼓励重叠片段之间的一致性。除了直接的体积去噪之外，我们将 3D FoJ 表示作为结构先验：(i) 无需训练数据，从而预防了幻觉风险，(ii) 在低信噪比 (SNR) 下保留并增强 3D 中的锐利边缘和拐角结构，(iii) 可通过投影或proximal 梯度下降等方法作为可直接使用的去噪表示，用于任何低 SNR 的体积逆问题。我们在三个具有挑战性的低 SNR 体积成像任务中成功实现了体积重建和去噪：低剂量 X 射线断层扫描 (CT)、低温电子断层扫描 (cryo-ET)，以及来自 adverse 天气中激光点云的去噪。在这些具有挑战性的低 SNR 体积成像问题中，3D FoJ 在经典方法和神经方法的组合方面表现出色。
引用
@article{arxiv.2603.02149,
title = {3D Field of Junctions: A Noise-Robust, Training-Free Structural Prior for Volumetric Inverse Problems},
author = {Namhoon Kim and Narges Moeini and Justin Romberg and Sara Fridovich-Keil},
journal= {arXiv preprint arXiv:2603.02149},
year = {2026}
}
备注
Code will be released soon