2020年発表論文概要

CVPR 2020

Learning to Optimize Non-Rigid Tracking
Yang Li, Aljaz Bozic, Tianwei Zhang, Yanli Ji, Tatsuya Harada, Matthias Niessner
よく用いられる非剛体追跡では，入れ子になったループ構造を持つ最適化が行われます: 外側のループでGauss Newtonを使用して追跡目的を最小化し，内側のループでPreconditioned Conjugate Gradient (PCG)を使用して疎な線形システムを解きます． この論文では，追跡のロバスト性を改善しソルバーの収束を高速化するために，学習可能な最適化を採用しています. まず，CNN を通じてエンドツーエンドで学習される深い特徴に位置合わせデータ項を統合することにより，追跡目標を更新します. これにより，大きな非剛体運動のロバストな追跡が実現できます． また提案手法では，preconditioning matrixを生成するように訓練されたConditionNet を導入することによって，preconditioning技術と学習方法の間のギャップを埋めています． これにより，PCG をより少ないステップ数で収束できることが可能になります． 実験結果によって, 提案された学習法が元の PCG よりも速く収束することを示されました.
(PDF)

ICLR 2020

RGBD-GAN: Unsupervised 3D Representation Learning From Natural Image Datasets via RGBD Image Synthesis
Atsuhiro Noguchi, Tatsuya Harada
本研究では，ラベルのついていない雑多な2次元画像のみから，視点を自由に制御可能な色・深度（RGBD）画像生成器を学習する手法であるRGBD-GANを提案します．画像生成モデルの一種である敵対的生成ネットワーク（GAN）の損失関数に加え，同一物体を異なる視点で条件づけて生成した2つのRGBD画像に対する，明示的な三次元一貫性損失を用いて，生成器を訓練します．提案する損失関数はシンプルでありながら，さまざまなタイプの画像生成器に適用可能です．実験を通して，複数の生成器アーキテクチャで2次元画像から視点を制御可能なRGBD画像生成器を学習可能であることを示しました．
(PDF)

ISBI 2020

Coronary wall segmentation in CCTA scans via a hybrid net with contours regularization
Kaikai Huang, Antonio Tejero-de-Pablos, Hiroaki Yamane, Yusuke Kurose, Junichi Iho, Youji Tokunaga, Makoto Horie, Keisuke Nishizawa, Yusaku Hayashi, Yasushi Koyama, Tatsuya Harada
冠動脈疾患の診断において，冠動脈の閉じた境界の検出は医師にとって有用です． 近年、医用画像において、様々な深層学習ベースの境界の検出とセグメンテーション手法が提案されています．しかしながら，冠動脈壁の検出に適用した場合，不連続な境界を生成してしまうことがあります． 本論文では，境界の連続性に着目した冠動脈の境界検出手法を提案しています．画像の空間的連続性をモデル化するため，ハイブリッド深層学習モデルは3D CTを入力とし，2D上のスライスの境界を検出します． また，閉じた境界を確保するため，輪郭拘束型重み付きハウスドルフ距離損失を提案しています． 34人の患者の冠動脈CT血管造影スキャンの動脈の曲線平面再構成のデータセットで提案手法を評価し，本手法は最先端の精度を上回る滑らかな閉じた境界を生成できることが確認されました． (Paper)