NeRF-based CBCT Reconstruction needs Normalization and Initialization
Created by
Haebom
저자
Zhuowei Xu, Han Li, Dai Sun, Zhicheng Li, Yujia Li, Qingpeng Kong, Zhiwei Cheng, Nassir Navab, S. Kevin Zhou
개요
본 논문은 Cone Beam Computed Tomography (CBCT) 영상 재구성에서 NeRF 기반 방법의 한계점을 해결하기 위해 제안된 연구이다. NeRF 기반 방법은 hash encoder와 neural network의 국소-전역 학습 불일치 문제로 인해 불안정한 학습, 느린 수렴, 재구성 품질 저하를 야기한다. 본 논문에서는 이 문제를 해결하기 위해 특징 일관성을 향상시키는 정규화된 해시 인코더(Normalized Hash Encoder)와 사전 학습된 모델의 전역 매핑 특성을 활용하여 신경망을 초기화하는 매핑 일관성 초기화(Mapping Consistency Initialization, MCI) 전략을 제안한다. 제안된 방법은 간단하지만 효과적이며, 4개의 서로 다른 데이터셋에서 수집된 128개의 CT 케이스에 대해 학습 효율을 크게 향상시킨다.
시사점, 한계점
•
시사점:
◦
NeRF 기반 CBCT 영상 재구성에서 국소-전역 학습 불일치 문제를 효과적으로 해결하는 방법 제시.
◦
정규화된 해시 인코더와 매핑 일관성 초기화 전략을 통해 학습 안정성 향상 및 수렴 속도 개선.
