arXiv cs.AI· Zihan Deng, Zhenzhen Gong, Yujie Liu, Jiaxin Gong, Dingkun Liu, Kexian Xie, Yixing Huang, Peng Jin, Tianye Niu, Zhisheng Wang, Fenglin Liu, Hongming Shan, Lequan Yu·· 13 小时前AI 评分32
SparseTokenGS：基于可复用 Token 池的高斯稀疏视角 CBCT 重建
SparseTokenGS: Gaussian-based Sparse-View CBCT Reconstruction via Reusable Token Pool
AI 导读
SparseTokenGS 通过可复用 Token 池解决前馈高斯方法在坐标解码时无法调用全扫描信息的问题，Anchor Token Fusion 与 Point-Token Attention 分别在锚点和查询坐标处查询该共享池，单次前向即可完成重建，无需逐扫描优化或投影域损失。
正文 · AI 翻译
作者：Zihan Deng、Zhenzhen Gong、Yujie Liu、Jiaxin Gong、Dingkun Liu、Kexian Xie、Yixing Huang、Peng Jin、Tianye Niu、Zhisheng Wang、Fenglin Liu、Hongming Shan、Lequan Yu
摘要：稀疏视角锥束计算机断层扫描广泛用于牙科和图像引导介入中的快速、低剂量体积成像与病灶定位，但会引入严重伪影。前馈高斯方法将重建成本转移到训练阶段，并从投影对齐特征和相邻锚点解码每个坐标。然而，来自整个扫描的信息仅在构建场时写入，无法在坐标解码期间检索，导致扫描内体积不一致。这是此类方法的常见局限：一旦场固定，解码仅使用局部特征，重建质量会显著下降。我们提出 SparseTokenGS，一种基于高斯的方法，通过可复用 token 池进行稀疏视角锥束计算机断层扫描重建。Anchor Token Fusion 和 Point-Token Attention 分别在锚点和查询坐标处查询该共享池。局部高斯先验得以保留，体积在一次前向传播中重建，无需逐扫描优化或投影域损失。在三个公开胸部和牙科数据集上，SparseTokenGS 在对比方法中取得了最高的重建性能。在临床牙科扫描中，仅用六个投影重建即可达到 29.51 分贝的峰值信噪比和 0.842 的结构相似度（相对于全视角参考），现成的牙齿与牙髓分割可保持这些结构可分离，用于根管定位。在火山岩和鸡肉上的实验展示了同物体适配后的性能。可复用 token 池为前馈重建提供了一种机制，使扫描范围的上下文在解码过程中保持可用，并可有益于未来快速临床病灶定位与分析。代码见：此 https URL。
| 评论： | 10 页，12 幅图。提交至 IEEE Transactions on Medical Imaging |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| MSC 分类： | 68U10, 92C55, 65R32 |
| ACM 分类： | I.4.5; I.2.10; J.3 |
| 引用为： | arXiv:2610.38360 [cs.CV] |
| （或本版本使用 arXiv:2610.38360v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2610.38360 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Zihan Deng [查看邮箱]
[v1]
2026 年 10 月 28 日星期三 06:57:38 UTC（3,769 KB）
来源：arXiv cs.AI · arxiv.org