通过兴趣点网络进行跟踪与三角化（POINT²）的多视角2D/3D刚体配准
计算机视觉与模式识别
2020-12-24 v4
摘要
我们提出通过用于跟踪与三角化的兴趣点网络（POINT²）来解决介入场景下的多视角2D/3D刚体配准问题。POINT²通过学习跟踪一组随机POI，建立介入前与介入中图像之间的2D点对点对应关系。随后通过三角化层估计介入前体数据的3D位姿。在POINT²中，POI跟踪器与三角化层的统一框架使得学习信息丰富的2D特征与估计3D位姿能够联合进行。与现有方法不同，POINT²仅需单次前向传播即可实现可靠的2D/3D配准。由于POI跟踪器具有平移不变性，POINT²对3D介入前图像的初始位姿更具鲁棒性。在大规模临床锥束CT（CBCT）数据集上的大量实验表明，所提POINT²方法在准确率、鲁棒性和运行时间上均优于现有的基于学习的方法。此外，当用作初始位姿估计器时，我们的方法还将最先进的基于优化的方法的鲁棒性和速度提高了十倍。
引用
@article{arxiv.1903.03896,
title = {Multiview 2D/3D Rigid Registration via a Point-Of-Interest Network for Tracking and Triangulation ($\text{POINT}^2$)},
author = {Haofu Liao and Wei-An Lin and Jiarui Zhang and Jingdan Zhang and Jiebo Luo and S. Kevin Zhou},
journal= {arXiv preprint arXiv:1903.03896},
year = {2020}
}
备注
This work has been accepted to CVPR 2019