論文の概要: Multi-view polarimetric scattering cloud tomography and retrieval of droplet size

• arxiv url: http://arxiv.org/abs/2005.11423v1
• Date: Fri, 22 May 2020 23:39:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 09:43:06.681832
• Title: Multi-view polarimetric scattering cloud tomography and retrieval of droplet size
• Title（参考訳）: 多視点偏光散乱雲トモグラフィと液滴径の検索
• Authors: Aviad Levis, Yoav Y. Schechner, Anthony B. Davis and Jesse Loveridge
• Abstract要約: トモグラフィーは、媒体や物体の3次元(3次元)密度マップを復元することを目的としている。 我々は、受動的リモートセンシングによる雲滴分布のトモグラフィーを定義し、導出する。
• 参考スコア（独自算出の注目度）: 13.190581566723917
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tomography aims to recover a three-dimensional (3D) density map of a medium or an object. In medical imaging, it is extensively used for diagnostics via X-ray computed tomography (CT). Optical diffusion tomography is an alternative to X-ray CT that uses multiply scattered light to deliver coarse density maps for soft tissues. We define and derive tomography of cloud droplet distributions via passive remote sensing. We use multi-view polarimetric images to fit a 3D polarized radiative transfer (RT) forward model. Our motivation is 3D volumetric probing of vertically-developed convectively-driven clouds that are ill-served by current methods in operational passive remote sensing. These techniques are based on strictly 1D RT modeling and applied to a single cloudy pixel, where cloud geometry is assumed to be that of a plane-parallel slab. Incident unpolarized sunlight, once scattered by cloud-droplets, changes its polarization state according to droplet size. Therefore, polarimetric measurements in the rainbow and glory angular regions can be used to infer the droplet size distribution. This work defines and derives a framework for a full 3D tomography of cloud droplets for both their mass concentration in space and their distribution across a range of sizes. This 3D retrieval of key microphysical properties is made tractable by our novel approach that involves a restructuring and differentiation of an open-source polarized 3D RT code to accommodate a special two-step optimization technique. Physically-realistic synthetic clouds are used to demonstrate the methodology with rigorous uncertainty quantification.
• Abstract（参考訳）: トモグラフィーは、媒体や物体の3次元密度マップを復元することを目的としている。 医用画像では、X線CT(Computerd tomography)による診断に広く用いられている。 光拡散トモグラフィーは、軟組織に対して粗い密度マップを提供するために多重散乱光を使用するX線CTの代替である。 我々は,パッシブリモートセンシングによる雲滴分布のトモグラフィーを定義し,導出する。 マルチビュー偏光画像を用いて3次元偏光放射転送(RT)前方モデルに適合する。 我々のモチベーションは、垂直に開発された対流駆動の雲を3次元で探索することである。 これらの手法は厳密な1次元RTモデリングに基づいており、雲の幾何学が平面平行スラブのものと仮定される単一の雲のピクセルに適用されている。 雲滴に散らばった日光は、液滴の大きさに応じて偏光状態を変化させる。 そのため、虹と栄光角領域の偏光度測定を用いて、滴径分布を推定することができる。 この研究は、空間における質量集中と様々な大きさの分布の両方について、雲滴の完全な3次元トモグラフィーの枠組みを定義し、導出する。 このようなキーマイクロフィジカル特性の3d検索は,オープンソースの偏光3d rtコードの再構成と分化を伴い,特別な2段階最適化技術に適合する新しい手法によって,扱いやすいものとなっている。 物理的に現実的な合成雲は、厳密な不確実性定量化による方法論を実証するために用いられる。

関連論文リスト

• DIFR3CT: Latent Diffusion for Probabilistic 3D CT Reconstruction from Few Planar X-Rays [15.83915012691264]
  DIFR3CTは平面X線観測から可塑性CT体積を生成する3次元潜時拡散モデルである。 本研究は,DIFR3CTが従来の画素レベルにおいて,近年のスパースCT再建ベースラインより優れていることを示す実験である。 また,DIFR3CTはモンテカルロサンプリングによる不確実な定量化をサポートし,再現信頼性を計測する機会を提供することを示した。
  論文  参考訳（メタデータ） (2024-08-27T14:58:08Z)
• Reference-free Axial Super-resolution of 3D Microscopy Images using Implicit Neural Representation with a 2D Diffusion Prior [4.1326413814647545]
  学習に基づく3次元超解像モデルの訓練には、真理等方性ボリュームが必要であり、次元の呪いに苦しむ。 既存の方法では、2Dニューラルネットワークを使用して各軸スライスを再構築し、最終的には体積全体をまとめる。 独立軸スライスにより最適化された場合でも3次元コヒーレンシを実現する暗黙的ニューラル表現(INR)に基づく再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-16T09:14:12Z)
• Learned 3D volumetric recovery of clouds and its uncertainty for climate analysis [16.260663741590253]
  気候予測と雲物理学の不確かさは、浅い散在する雲に関連する観測上のギャップと結びついている。 我々は、ノイズの多い多視点空間画像に基づいて、このような雲のCTを実現するための学習ベースモデル(ProbCT)を設計する。 シミュレーションおよび実世界のデータに基づくアプローチを実証し, 降水および再生可能エネルギーに対する3次元回復と不確実性との関連性を示す。
  論文  参考訳（メタデータ） (2024-03-09T14:57:03Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• CCD-3DR: Consistent Conditioning in Diffusion for Single-Image 3D Reconstruction [81.98244738773766]
  本稿では,一貫した局所的特徴条件付けのために,新しい集中拡散確率モデルを利用するCDD-3DRを提案する。 CCD-3DRは、40%以上の改善を伴い、全ての競合より大きなマージンを達成している。
  論文  参考訳（メタデータ） (2023-08-15T15:27:42Z)
• Improving 3D Imaging with Pre-Trained Perpendicular 2D Diffusion Models [52.529394863331326]
  本稿では,2つの垂直2次元拡散モデルを用いて3次元逆問題の解法を提案する。 MRI Z軸超解像, 圧縮センシングMRI, スパースCTなどの3次元医用画像再構成作業に有効である。
  論文  参考訳（メタデータ） (2023-03-15T08:28:06Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Deep learning of multi-resolution X-Ray micro-CT images for multi-scale modelling [0.0]
  本研究では3次元拡張深部超解像(EDSR)畳み込みニューラルネットワークを開発し,大規模空間スケールで高分解能データを生成する。 我々は,テキスト解析,セグメンテーション動作,多相流シミュレーション(PNM)を用いてネットワークを検証した。 EDSR生成モデルは、不均一性の存在下での実験挙動を予測するための基礎LRモデルよりも精度が高い。
  論文  参考訳（メタデータ） (2021-11-01T21:49:22Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。