Datensatz und Benchmark für domänenunabhängige, bildbasierte starre Slice-zu-Volumen-Registrierung
„Needles & Haystacks“ stellt einen öffentlichen Benchmark für die starre Slice-zu-Volumen-Registrierung vor. Der Benchmark untersucht das Problem der Lokalisierung eines 2D-Bildschnitts innerhalb eines 3D-Volumens, ohne sich auf domänenspezifische Annahmen wie medizinische Landmarken, standardisierte anatomische Orientierungen oder Segmentierungsmasken zu stützen.
Die Arbeit bietet eine umfangreiche Sammlung von Registrierungsaufgaben, einen Online-Benchmark und Referenzmethoden. Außerdem wird LoFTR-S2V vorgestellt, ein lernbasierter, detektorfreier Ansatz zum Abgleich von 2D-Bildschnitten mit 3D-Volumina.
Weitere Informationen:
- Projektseite: https://xaf-cv.github.io/nh-rs2v/
- Datensatz: https://github.com/xaf-cv/NH-RS2V-dataset
- Referenz: https://github.com/xaf-cv/NH-RS2V-baselines
Literatur:
A. Frolov, F. Kleiner, C. Rößler und V. Rodehorst, ‘Needles & Haystacks: Dataset and Benchmark for Domain-Agnostic Image-Based Rigid Slice-to-Volume Registration’, in Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), S. 7081–7091, Feb. 2025.