arXiv cs.AI· Linrui Dai, Jinxiu Liang, Chu Zhou, Mae Yamaguchi, Ryuya Takahashi, Imari Sato·· 13 小时前AI 评分29
基于姿态感知扩散先验的极稀疏视角CT重建：仅用2D投影训练
Extremely Sparse-View Computed Tomography from 2D Projections via Pose-Aware Diffusion Priors
AI 导读
研究提出从每训练样本仅一张2D投影学习姿态感知扩散先验，用于极稀疏视角CT重建，无需密集扫描的3D体数据。方法以测量视图保真、共享体重投影和投影物理一致性引导扩散采样，在1、4、8视角设置下于两个公开CT数据集取得最佳新视角合成分数，重建质量优于或媲美使用密集体监督的基线。
正文 · AI 翻译
摘要：当扫描时间、运动或辐射耐受限制每次扫描只能获取少量投影时，极度稀疏视图计算机断层扫描（xSV-CT）至关重要。在许多此类场景中，同样的采集限制也制约了数据集构建，使得来自密集扫描的预重建 3D 体数据不可用。这暴露了当前稀疏视图方法中的一个空白：基于优化的方法直接使用稀疏测量，但缺乏数据驱动的先验来抑制伪影；基于学习的方法使用强先验，但通常需要在该 xSV-CT 范围之外采集的密集扫描训练体数据。我们通过从每个训练样本的一张 2D 投影中学习姿态感知的扩散先验，然后用测量视图保真度、共享体重投影和投影物理一致性引导扩散采样以进行断层重建，来研究这种训练稀疏/推理稀疏的设置。在两个公开 CT 数据集的 1、4 和 8 视图设置上，与使用密集体监督的基线相比，所提方法取得了最佳的新视图合成分数以及最佳或具有竞争力的重建质量。
| 评论： | NeurIPS 2026 海报 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.38319 [cs.CV] |
| （或 arXiv:2610.38319v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.38319 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Linrui Dai [查看电子邮件]
[v1]
2026年10月28日星期三 06:08:39 UTC（31,238 KB）
来源：arXiv cs.AI · arxiv.org