基于迭代式低分辨率点云补全 Transformer 的高分辨率颅骨缺损重建
图像与视频处理
2024-05-22 v2 人工智能
计算机视觉与模式识别
机器学习
数值分析
数值分析
摘要
每年有数千人遭受各类颅脑损伤，需要个性化植入物，其手工设计昂贵且耗时。因此，亟需一套自动专用系统以提升个性化颅骨重建的可及性。自动颅骨缺损重建问题可表述为形状补全任务，并利用专用深度网络求解。当前最常用的方法是采用体素表示并应用专用于图像分割的深度网络。然而，该方法存在若干局限，难以扩展到高分辨率体数据，且未考虑数据稀疏性。在我们的工作中，我们将该问题重新表述为点云补全任务。我们提出了一种基于 Transformer 的迭代式方法，可在任意分辨率下重建颅骨缺损，同时在训练与推理过程中快速且资源高效。我们将所提方法与最先进的体素方法进行比较，结果表明在保持高质量重建缺损的同时，GPU 内存消耗方面具有更优性能。
引用
@article{arxiv.2308.03813,
title = {High-Resolution Cranial Defect Reconstruction by Iterative, Low-Resolution, Point Cloud Completion Transformers},
author = {Marek Wodzinski and Mateusz Daniol and Daria Hemmerling and Miroslaw Socha},
journal= {arXiv preprint arXiv:2308.03813},
year = {2024}
}