NeRF-US: 去除野外超声成像神经辐射场中的伪影
计算机视觉与模式识别
2024-08-22 v2 机器学习
摘要
当前在超声成像数据中进行三维重建和新视角合成的方法，在训练基于NeRF的方法时经常面临严重的伪影。当前方法产生的伪影与一般场景中的NeRF漂浮物不同，这是由超声采集的独特性质决定的。此外，现有模型在超声数据在不受控制的环境中随意采集或获取时（这在临床环境中很常见），无法产生合理的三维重建。因此，现有的重建和NVS方法难以处理超声运动，无法捕获精细细节，也无法建模透明和反射表面。在这项工作中，我们提出了NeRF-US，它将三维几何引导融入边界概率和散射密度到NeRF训练中，同时利用超声特定的渲染替代传统体积渲染。这些三维先验通过扩散模型学习。通过在我们新的"野外超声"数据集上进行的实验，我们观察到了准确、临床可信且无伪影的重建结果。
引用
@article{arxiv.2408.10258,
title = {NeRF-US: Removing Ultrasound Imaging Artifacts from Neural Radiance Fields in the Wild},
author = {Rishit Dagli and Atsuhiro Hibi and Rahul G. Krishnan and Pascal N. Tyrrell},
journal= {arXiv preprint arXiv:2408.10258},
year = {2024}
}