edt_jfa_vector — 3D `feature` op

• Datenarten: voxel → flow_dense

• Aufruf: import fullseye as fs; fs.ledger.edt_jfa_vector(seed_bool, device='cpu') (die Implementierung direkt: import match3d; match3d.edt_jfa_vector(seed_bool, device='cpu'); aus dem Register: ops3d.get("edt_jfa_vector"))

• Rückgabewert über das Register: fullseye.ledger.edt_jfa_vector(...) liefert **nur den Wert des deklarierten Out-Typs flow_dense** (die zugrunde liegende Funktion gibt zusätzlich Hilfsinformationen zurück). Wird das Verworfene gebraucht, nutze fullseye.ledger.edt_jfa_vector.raw(...) oder rufe match3d.edt_jfa_vector direkt auf.

• GPU: Dieser Operator hat einen GPU-Pfad (device="cuda")

Verwendung

> Für diesen Operator gibt es noch keine Übersetzung. Es folgt der Originaltext unverändert.

各 voxel から最近 seed への変位 `(3, D, H, W)(flow_dense`、dz, dy, dx [voxel])を GPU の JFA で。

`edt_jfa` は距離の値だけを返すが、JFA は内部で最近 seed の座標を運んでいる —— それをそのまま出す(追加コストほぼ 0)。

CPU / scipy 経路は `vol_nearest_seed_vector`(同じ値、N≤160 で厳密一致を実測)。seed が無ければ ValueError

(`edt_jfa` は 1e6 に飽和させるが、向きに「無限遠」は無い)。返りは torch float32(台帳経由では numpy)。

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• nearest_seed_partition — py -3.11 examples_3d/nearest_seed_partition.py

Typkompatible Folge-Operatoren (nehmen `flow_dense` als Eingabe)

fuse_to_voxel

Gleiche Kategorie (`feature`)

sobel3d · hessian3d · curvature_maps · edt_jfa · vol_frangi · vol_local_std · vol_local_thickness · vol_orientation_coherence

*Provenance: match3d.py — 3D Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

edt_jfa_vector — 3D feature op