ohirose/bcpd

解決する課題

このソフトウェアスイートは、点群および不規則領域上の関数の非剛体レジストレーションのためのツールを提供します。変形、回転、ノイズを含む可能性のある2つの異なる幾何学的構造や高次元信号（空間トランスクリプトミクスデータなど）の位置合わせ問題を解決し、形状解析、3Dモデル再構築、関数アライメントを可能にします。

仕組み

このスイートは、ベイズ推論に基づくいくつかの確率的フレームワークを実装しています：

• Domain Elastic Transform (DET): 幾何学的アライメントと関数的アライメントを組み合わせることで、不規則領域上の関数をレジストレーションするグリッドフリーなフレームワークです。データをボクセル化することなく、関数として扱います。
• Bayesian Coherent Point Drift (BCPD): Coherent Point Drift アルゴリズムを一般化したもので、運動コヒーレンス事前分布を使用して、疎な点群を位置合わせする際の滑らかな変形を保証します。
• Geodesic-Based BCPD (GBCPD): BCPDを強化したもので、表面コヒーレンスマトリックス（ガウスカーネルと測地線カーネルを組み合わせたもの）を使用し、近接する境界の分離や複雑なトポロジカルカットの処理を改善します。
• Dependent Landmark Drift (DLD): 統計的形状モデルを使用して変形を制約し、学習済みの平均形状をターゲットの点群にマッピングすることで、ノイズやアーティファクトに耐性を持たせます。

大規模なデータセット（数百万点）を扱うために、「++」バリアント（例：BCPD++）では、ダウンサンプリング、変位場補間、低ランク行列近似のための Nystrom 法、および効率的な点対応のための k-d tree 検索が使用されています。

対象ユーザー

科学データを扱う研究者やエンジニア向けに設計されており、特に空間トランスクリプトミクス、デジタル画像、音声信号、3D形状解析、3Dモデル再構築に取り組む方に適しています。

ハイライト

• グリッドフリーなレジストレーション: DETにより、ビン分割やボクセル化を行わずに不規則領域上の高次元信号をレジストレーションできます。
• 高いスケーラビリティ: 「++」フレームワークにより、標準的なハードウェアで数百万点の処理が可能です。
• トポロジーへの配慮: GBCPDは測地線カーネルを使用して、複雑なインターフェース全体で構造的整合性を維持します。
• 堅牢な形状フィッティング: DLDは統計モデルを通じて事前の形状知識を活用し、ノイズの多いデータを処理します。