Revisiting Pose Sensitivity in Splat-based Computed Tomography under Sparse-view Reconstruction¶

会议: CVPR 2026
论文: CVF Open Access
代码: 待确认
领域: 3D视觉
关键词: CT重建, 高斯泼溅, 稀疏视图, 几何自标定, 位姿优化

一句话总结¶

针对基于 3D 高斯泼溅的稀疏视图 CT 在真实数据上出现的条纹/条带伪影，本文通过受控实验证明其主因是采集几何的位姿误差而非视图稀疏，并据此推导出一个稳定可微的联合自标定框架——在重建体积的同时增量式优化相机位姿，去掉 TV 正则后反而更稳、更快，真实数据上把条纹伪影压下去的同时保住细节，合成数据 PSNR 比 SOTA 高约 10 dB。

研究背景与动机¶

领域现状：X 射线 CT 从穿透投影里重建物体内部结构，广泛用于医疗诊断和工业检测。经典 FDK 算法快但需密集投影；迭代方法质量好但慢。近年可微渲染把 CT 重建变成对连续体积场的优化问题，神经隐式表示和最新的基于泼溅的表示（R2-Gaussian）——把衰减场建模为一组各向异性 3D 高斯——在稀疏视图下兼顾高质量和快速收敛。

现有痛点：泼溅式 CT 在合成数据上表现很好，但作者发现一旦用到真实 CT 采集上，就会出现明显的条纹（streak）和条带（strip）伪影，且比传统重建方法严重得多——即使场景里没有会引发异常的金属物。这说明退化不只来自数据稀疏。

核心矛盾：泼溅式 CT 的高斯表示沿射线方向引入各向异性加权，使重建强度对几何错位天然敏感；而真实旋转系统由于机械缺陷，实际几何与理想几何之间必然存在偏差（位姿不准）。视图稀疏只是表象，位姿敏感性才是真正限制泼溅式 CT 鲁棒性的根因。

本文目标：(1) 系统分析并定位泼溅式 CT 伪影的真正来源；(2) 重新推导泼溅公式里的位姿优化，得到一个稳定可微、能在重建过程中联合精修几何的自标定框架；(3) 提供能受控注入位姿扰动的无偏仿真数据，让几何敏感性可复现评测。

切入角度：用一个巧妙的「伪 GT 回环实验」把「稀疏」和「位姿误差」两个混淆变量拆开——分别在真实投影和从伪 GT 重新合成的投影上跑泼溅重建，对比谁出伪影。

核心 idea：把相机位姿当作和高斯体积一起优化的可学习参数，用增量式参数化 + 稳定的跨导数梯度反传实现「自标定重建」，无需预标定硬件。

方法详解¶

整体框架¶

方法分两部分。先做溯源分析（图 2 的四步实验）确认伪影主因是位姿误差；再做联合自标定重建：把稀疏投影喂给泼溅重建，3D 高斯的密度/中心/协方差 \(\{\rho_i,\mathbf{p}_i,\Sigma_i\}\) 与每相机的增量位姿参数 \(\{\Delta\mathbf{q}_k,\Delta\mathbf{t}_k\}\) 一起优化；各向异性高斯前向投影出估计投影，与输入投影算 L1+SSIM 损失（去掉 TV 正则），再通过稳定的梯度反传同时更新体积和位姿，迭代到收敛后把高斯求和成衰减体积。下图是运行时的自标定重建闭环（溯源分析与无偏数据生成是支撑性贡献，不在此闭环内）：

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["稀疏投影 + 初始几何"] --> B["增量式位姿参数化与联合自标定<br/>高斯体 + Δquaternion/Δtranslation"]
    B --> C["各向异性高斯前向投影<br/>得估计投影"]
    C --> D["L1+SSIM 损失（无 TV）"]
    D --> E["稳定的位姿梯度反传<br/>沿 Pk、Wk 跨导数"]
    E -->|联合更新体积与位姿| B
    B --> F["求和高斯 → 衰减体积"]

关键设计¶

1. 伪影溯源：把「稀疏」和「位姿误差」拆开，证明主因是位姿

痛点：泼溅式 CT 在真实数据上出条纹伪影，但「稀疏视图」和「位姿不准」两个因素混在一起，无法直接归因。作者设计了一个四步受控实验（图 2）。第一步用真实数据的密集 721 视图跑 FDK 得到伪 GT 体积（依据 \(\text{RMSE}\propto 1/\sqrt{N}\)，\(N\) 为无偏几何误差下的投影数，密集投影下 FDK 足够准）；第二步从伪 GT 重新合成 75 张投影（几何完全已知、无位姿误差）；第三步分别用「真实 75 视图」和「合成 75 视图」跑泼溅重建。结果很关键：合成 75 视图重建出的条纹伪影显著被抑制，而真实 75 视图重建仍满是条纹——既然两者视图数相同，伪影就不主要来自稀疏。第四步进一步比较两套数据下估计投影与 GT 的误差图：合成数据误差均匀分布，真实数据误差却在物体边缘呈方向性偏置，这正是相机位姿不准的指纹。由此把伪影主因钉死在几何误差上，为后续设计提供依据。

2. 增量式位姿参数化与联合自标定：让位姿和体积一起优化

痛点：传统 CT 标定要么离线用已知尺寸的标定体（无法应对扫描中的实时几何扰动、还要额外扫描），要么在线方法各有局限。本文把位姿直接纳入重建优化。每个相机的刚体运动用旋转矩阵 \(\mathbf{W}_k\) 和平移 \(\mathbf{t}_k\) 表示，第 \(i\) 个高斯被变换为 \(\tilde{\mathbf{p}}_{i,k}=\mathbf{W}_k\mathbf{p}_i+\mathbf{t}_k\)、\(\tilde\Sigma_{i,k}=\mathbf{W}_k\Sigma_i\mathbf{W}_k^\top\)，再投影到 2D 探测器。关键在于增量式参数化：用四元数 \(\mathbf{q}_k\) 和平移向量建模运动，但只优化相对初始几何的小增量 \(\Delta\mathbf{q}_k=\mathbf{q}_k-\mathbf{q}_{k,init}\)、\(\Delta\mathbf{t}_k=\mathbf{t}_k-\mathbf{t}_{k,init}\)，最终参数集 \(\Theta=\{\mathbf{p}_i,\Sigma_i,\rho_i,\Delta\mathbf{q}_k,\Delta\mathbf{t}_k\}\) 在同一优化里联合求解。这种「相对初值的小增量」在小角近似下缓解了梯度爆炸、允许细粒度精修旋转和平移，从而实现自标定——不依赖预标定硬件，也不像传统方法需要额外扫描或 GT 分割先验。

3. 稳定的位姿梯度反传 + 去 TV 正则：让几何梯度既稳又不被压

痛点：以往泼溅式 CT 方法在反传时忽略了位姿相关的跨导数依赖，导致优化不稳。本文显式追踪损失对两个位姿相关中间量的雅可比（图 5）：透视投影矩阵 \(\mathbf{P}_k\in\mathbb{R}^{3\times4}\) 和旋转矩阵 \(\mathbf{W}_k\)。对 \(\mathbf{W}_k\) 的梯度被拆成两路 \(\tfrac{\partial\mathcal{L}}{\partial\mathbf{W}_k}=\tfrac{\partial\mathcal{L}}{\partial\mathbf{W}_{k,a}}+\tfrac{\partial\mathcal{L}}{\partial\mathbf{W}_{k,b}}\)，分别经由变换后的高斯中心 \(\tilde{\mathbf{p}}_{i,k}\) 和 \(\mathbf{M}_{i,k}\)（雅可比 \(\mathbf{J}_{i,k}\) 与 \(\mathbf{W}_k\) 的乘积），其中蓝色那一项 \(\tfrac{\partial\mathcal{L}}{\partial\mathbf{W}_{k,b}}\) 与 RGB 泼溅标定方法不同——因为 CT 泼溅的射线-空间映射 \(\phi(\cdot)\) 保留了第三维（要算高斯在真实距离上的射线积分以模拟 X 射线衰减），而 novel view synthesis 的 2D 泼溅没有这一项。损失只用 L1+SSIM、刻意去掉 TV 正则：作者发现在联合标定框架下 TV 项不仅多余，还会压住关键的几何梯度、削弱系统恢复细微位姿修正的能力——这从经验上印证「稳定性应来自精确的几何建模，而非启发式平滑约束」，且去掉 TV 还顺带降低了计算时间。

4. 无偏几何扰动仿真数据：让位姿敏感性可复现评测

痛点：常规合成数据假设理想圆形轨迹（绕固定旋转中心），无法体现真实系统的机械偏差，导致评测脱离真实。作者构造能受控注入几何误差的数据集：把探测器几何建模为 SE(3) 刚体变换 \(T\)，对旋转和平移分开处理以保证无偏。平移是线性的，直接从零均值高斯 \(\mathbf{t}\sim\mathcal{N}(0,\sigma_{trans}^2 I)\) 采样；旋转在非线性的 SO(3) 上，不能直接加噪，于是先用对数映射到切空间、加方差 \(\sigma_{rot}^2\) 的高斯噪声、再用指数映射回 SO(3)，既保证扰动真实又保持变换合法。论文给出了数据生成无偏性的数学证明（在补充材料），从而提供一个可复现、可控制扰动幅度的几何敏感性测试床。

损失函数 / 训练策略¶

损失为 \(\mathcal{L}(I_k,\hat I_k)=\mathcal{L}_{L1}(I_k,\hat I_k)+\lambda\mathcal{L}_{SSIM}(I_k,\hat I_k)\)，结合像素级和结构相似度，无 TV。沿用 R2-Gaussian 的高斯学习率，相机参数学习率设 2e-4 并在 30000 步内指数衰减到 2e-5；PyTorch + CUDA 实现，RTX A6000 上训练。

实验关键数据¶

主实验¶

合成数据用 TIGRE 生成、注入旋转噪声 std 0.03（李代数域）和平移噪声 std 1.0（一个体素尺寸）；真实数据用公开 CT 数据集，全部 75 视图。下表为有/无几何扰动下基线泼溅法 [R2-Gaussian] 与本文的 PSNR 对比（部分场景）：

场景	无噪声-基线	无噪声-本文	有噪声-基线	有噪声-本文
Chest	35.81	35.68	26.69	30.44
Foot	32.51	32.04	25.46	30.57
Beetle	43.18	43.22	33.15	40.48
Broccoli	36.54	34.70	22.21	30.20
Engine	40.25	39.33	24.69	31.60
Teapot	47.81	47.79	36.65	43.43

无噪声时本文与基线几乎持平（说明自标定不会损害理想情形），一旦注入位姿噪声，基线急剧崩坏而本文保持稳定——在多个物体上整体比 SOTA 联合标定方法（Thies et al.）的 PSNR 高约 10 dB。位姿标定精度上（表 2，15 个场景均值），本文平移 RMSE 0.726 AU（NeAT 1.437、Thies et al. 2.463）、朝向误差 0.627°（NeAT 2.881°、Thies et al. 4.076°），均大幅领先。

消融实验¶

配置	关键结果	说明
噪声等级 \(\sigma_{rot}/\sigma_{trans}\)（Beetle）0.01/0.5 → 0.10/5.0	基线 37.28→30.80；本文 41.38→32.32 dB	噪声越大基线掉得越狠，本文始终更鲁棒
视图数 75/50/25（有扰动）	本文 33.42/31.73/29.02；基线 28.50/27.67/26.44 dB	各视图数下本文 PSNR/SSIM 全面领先
计算时间（合成均值）	本文 20.89 min < 基线 23.19 < Thies 31.15 < NeAT 48.35	去 TV 正则使本文比基线还快
极稀疏 25 视图 + 扰动	本文伪影远少于基线，但开始出针状伪影	去 TV 在极端稀疏下暴露局限

关键发现¶

位姿误差才是主因：受控实验证明同样 75 视图下，合成（无位姿误差）几乎无条纹、真实（有位姿误差）满是条纹，误差图在真实数据上呈边缘方向性偏置——这是全文最核心的归因证据。
去 TV 反而更好：在联合自标定框架下，TV 正则会压住几何梯度、还拖慢速度；去掉后既更稳又更快，说明稳定性应来自精确几何建模而非平滑约束。
极端稀疏下的权衡：25 视图时本文虽仍远好于基线，但因缺 TV 开始出现针状伪影——提示极稀疏场景可能仍需额外正则。

亮点与洞察¶

「拆混淆变量」的实验设计很漂亮：用密集 FDK 伪 GT + 重新合成投影，把「稀疏」和「位姿误差」干净地分离开，并用误差图的方向性偏置坐实位姿假设——这是一个可复用的归因范式。
针对 CT 泼溅特有的梯度项：明确指出 CT 泼溅的射线-空间映射保留第三维、导致其位姿梯度与 RGB 泼溅标定不同（多出蓝色那一项），把「为什么泼溅式 CT 对几何特别敏感」从现象讲到了机制。
「少即是多」：去掉 TV 正则同时换来更稳的几何梯度、更高质量和更短时间，三赢——值得在其他可微重建任务里重新审视启发式平滑项。
标定参数可复用：估计出的相机标定参数能迁移给其他重建方法用，自标定不只服务本框架。

局限与展望¶

作者承认：极稀疏视图（25 投影）下因缺 TV 会出现针状伪影，需要额外正则策略，这是明确的未来工作。
平移在体素空间采样，物理效应会随数据尺度变化——评测里的「AU = 一个体素尺寸」量纲需注意可比性。
自己发现的局限：方法假设存在合理的初始几何（增量式只优化小偏差），对初值偏离很大或存在大幅运动的情形是否仍稳定、是否会陷入局部极小，论文未充分讨论；锥束几何下的验证较多，对其他系统几何的普适性有待进一步检验。

评分¶

新颖性: ⭐⭐⭐⭐ 「位姿敏感性才是主因」的归因洞察 + CT 泼溅特有梯度项推导很有价值，单个组件（联合位姿优化、增量参数化）借鉴自 RGB 泼溅标定
实验充分度: ⭐⭐⭐⭐ 合成/真实双评测 + 噪声/视图数/时间多组消融 + 位姿精度量化，证据扎实，但真实数据多为定性
写作质量: ⭐⭐⭐⭐⭐ 从溯源实验到机制分析再到方法，逻辑链非常清晰
价值: ⭐⭐⭐⭐ 为泼溅式 CT 落地真实系统扫清了关键障碍，标定参数可复用、框架轻量易集成