Core Concepts
深度情報を活用することで、内視鏡画像から正確な3D表面モデルを再構築することができる。
Abstract
本論文は、内視鏡画像の高精細な3D再構築手法を提案している。従来の手法では、内視鏡カメラの制限された視野角や動きによって、正確な3D再構築が困難であった。
提案手法では、深度情報を活用することで、この問題を解決している。具体的には、事前に訓練された一般的な深度推定モデルを用いて、単一フレームの深度マップを推定し、それをニューラルサーフェス(NeuS)モデルの最適化に活用する。
これにより、テクスチャ情報が乏しい内視鏡画像からも、正確な3D表面モデルを再構築できることを示している。実験結果では、従来手法と比べて高いPSNR値を達成しており、内視鏡画像の高精細な再構築が可能であることを確認できる。
この手法は、ポリープ検出や狭窄部評価、手術後診断、探査の徹底性評価など、内視鏡手術における様々な応用が期待できる。
Stats
内視鏡画像の3D再構築における提案手法とベースラインモデルの定量的な比較結果を示している。
提案手法は、ほとんどのシーンにおいて、Gaussian NeRFやVanilla NeRFよりも優れたPSNR値を達成している。