EndoSparse：基于高斯点云的内镜稀疏视图合成
计算机视觉与模式识别
2024-07-02 v1
摘要
从内镜图像集合中重建生物组织的3D结构是开启多种具有3D能力的重要下游手术应用的关键。现有方法采用各种先进的神经渲染技术以实现照REALISTIC视图合成，但在稀疏观察可用的情况下往往难以恢复准确的3D表示，这在现实世界的临床场景中很常见。为解决这一稀疏性挑战，我们提出了利用多个基础模型先验知识进行重建的框架，称为 \textit{EndoSparse}。实验结果表明，我们提出的策略在面对稀疏视图条件时(包括仅使用三个视图)显著改善了几何和外观质量。在严格的与最先进方法进行基准测试中，\textit{EndoSparse} 在准确几何、真实外观和渲染效率方面均取得优异结果，确认了其对稀疏视图限制在内镜重建中的鲁棒性。\textit{EndoSparse} 标志着神经3D重建在现实世界临床场景中实际部署的重要进展。项目页面：https://endo-sparse.github.io/。
引用
@article{arxiv.2407.01029,
title = {EndoSparse: Real-Time Sparse View Synthesis of Endoscopic Scenes using Gaussian Splatting},
author = {Chenxin Li and Brandon Y. Feng and Yifan Liu and Hengyu Liu and Cheng Wang and Weihao Yu and Yixuan Yuan},
journal= {arXiv preprint arXiv:2407.01029},
year = {2024}
}
备注
Accpeted by MICCAI2024