从单张二维图像到三维点云的单阶段形状实例化
计算机视觉与模式识别
2019-07-26 v1 机器学习
摘要
形状实例化从一张或多张二维图像预测动态目标的三维形状，对实时术中导航十分重要。此前提出了一种通用形状实例化框架，通过手动图像分割生成二维统计形状模型（SSM），并通过核偏最小二乘回归（KPLSR）学习二维与三维 SSM 之间的关系以进行三维形状预测。本文将两阶段形状实例化改进为单阶段。使用具有 19 个卷积层和三个全连接层的 PointOutNet 作为网络结构，并以倒角距离作为损失函数，从单张二维图像预测三维目标点云。借助所提单阶段形状实例化算法，可实现自发的图像到点云训练与推断。使用来自 27 个右心室（RV）受试者的数据集（共 609 次实验）验证所提单阶段形状实例化算法。取得了 1.72mm 的平均点云到点云（PC-to-PC）误差，与基于 PLSR（1.42mm）和基于 KPLSR（1.31mm）的两阶段形状实例化算法相当。
关键词
引用
@article{arxiv.1907.10763,
title = {One-stage Shape Instantiation from a Single 2D Image to 3D Point Cloud},
author = {Xiao-Yun Zhou and Zhao-Yang Wang and Peichao Li and Jian-Qing Zheng and Guang-Zhong Yang},
journal= {arXiv preprint arXiv:1907.10763},
year = {2019}
}
备注
8.5 pages, 5 figures, MICCAI 2019