基于回归的骨盆姿态初始化：快速鲁棒的2D/3D骨盆配准
计算机视觉与模式识别
2025-11-18 v2
摘要
本文提出了一种利用学习型初始化函数来改进基于优化的姿态估计器中2D/3D骨盆配准的方法。当前方法在朴素初始化时往往无法收敛到最优解。我们发现即使是一个粗糙的初始化器也能显著提升姿态估计器的精度，并提高整体计算效率。该方法在更极端姿态变化下的挑战性案例中同样被证明有效。实验验证表明，我们的方法始终能够鲁棒且准确地完成配准，增强了2D/3D配准在临床应用中的可靠性。
引用
@article{arxiv.2503.07767,
title = {Regression-based Pelvic Pose Initialization for Fast and Robust 2D/3D Pelvis Registration},
author = {Yehyun Suh and J. Ryan Martin and Daniel Moyer},
journal= {arXiv preprint arXiv:2503.07767},
year = {2025}
}