SAGS：用于动态外科内镜重建的自适应别名无高斯溅
计算机视觉与模式识别
2025-11-03 v1
摘要
从内镜视频重建动态组织结构是机器人辅助手术中的关键技术。神经辐射场（Neural Radiance Fields, NeRF）的发展大大推进了可变形组织重建，实现了从视频和图像序列中获得高质量结果。然而，由于组织运动导致的别名和伪影问题，重建可变形内镜场景仍然具有挑战性，这会显著降低可视化质量。3D 高斯溅（3D Gaussian Splatting, 3DGS）的引入通过实现更快的渲染管线提高了重建效率。然而，现有的 3DGS 方法往往侧重渲染速度，忽略了这些关键问题。为解决这些挑战，我们提出了 SAGS（Self-Adaptive Alias-Free Gaussian Splatting），一种自适应别名无高斯溅框架。我们引入一种由注意力驱动的动态加权 4D 变形解码器，利用 3D 滤波器和 2D Mip 滤波器来缓解可变形组织重建中的伪影，更好地捕捉组织运动的细节。在 EndoNeRF 和 SCARED 两个公开基准数据集上的实验结果表明，我们的方法在所有指标（PSNR、SSIM 和 LPIPS）上均优于当前最先进的方法，同时也提供了更好的可视化质量。
引用
@article{arxiv.2510.27318,
title = {SAGS: Self-Adaptive Alias-Free Gaussian Splatting for Dynamic Surgical Endoscopic Reconstruction},
author = {Wenfeng Huang and Xiangyun Liao and Yinling Qian and Hao Liu and Yongming Yang and Wenjing Jia and Qiong Wang},
journal= {arXiv preprint arXiv:2510.27318},
year = {2025}
}