論文の概要: Point Proposal Network for Reconstructing 3D Particle Endpoints with
Sub-Pixel Precision in Liquid Argon Time Projection Chambers
- arxiv url: http://arxiv.org/abs/2006.14745v3
- Date: Fri, 10 Jul 2020 15:30:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 22:15:29.955243
- Title: Point Proposal Network for Reconstructing 3D Particle Endpoints with
Sub-Pixel Precision in Liquid Argon Time Projection Chambers
- Title（参考訳）: 液体アルゴン時間投影室におけるサブピクセル精度3次元粒子エンドポイント再構成のためのポイント提案ネットワーク
- Authors: Laura Domin\'e, Pierre C\^ote de Soux, Fran\c{c}ois Drielsma, Dae Heun
Koh, Ran Itay, Qing Lin, Kazuhiro Terao, Ka Vang Tsang, Tracy L. Usher
- Abstract要約: 液体アルゴン時間射影チャンバー(Liquid Argon Time Projection Chambers、LArTPC)は、荷電粒子の軌跡の2Dまたは3D画像を記録する粒子イメージング検出器である。
これらの画像に対する関心点の特定は、これらの粒子を識別し分析する重要なステップである。
ポイント提案ネットワークは、これらの特定の関心点を発見するように設計されている。
- 参考スコア（独自算出の注目度）: 2.5576696189824912
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Liquid Argon Time Projection Chambers (LArTPC) are particle imaging detectors
recording 2D or 3D images of trajectories of charged particles. Identifying
points of interest in these images, namely the initial and terminal points of
track-like particle trajectories such as muons and protons, and the initial
points of electromagnetic shower-like particle trajectories such as electrons
and gamma rays, is a crucial step of identifying and analyzing these particles
and impacts the inference of physics signals such as neutrino interaction. The
Point Proposal Network is designed to discover these specific points of
interest. The algorithm predicts with a sub-voxel precision their spatial
location, and also determines the category of the identified points of
interest. Using as a benchmark the PILArNet public LArTPC data sample in which
the voxel resolution is 3mm/voxel, our algorithm successfully predicted 96.8%
and 97.8% of 3D points within a distance of 3 and 10~voxels from the provided
true point locations respectively. For the predicted 3D points within 3 voxels
of the closest true point locations, the median distance is found to be 0.25
voxels, achieving the sub-voxel level precision. In addition, we report our
analysis of the mistakes where our algorithm prediction differs from the
provided true point positions by more than 10~voxels. Among 50 mistakes
visually scanned, 25 were due to the definition of true position location, 15
were legitimate mistakes where a physicist cannot visually disagree with the
algorithm's prediction, and 10 were genuine mistakes that we wish to improve in
the future. Further, using these predicted points, we demonstrate a simple
algorithm to cluster 3D voxels into individual track-like particle trajectories
with a clustering efficiency, purity, and Adjusted Rand Index of 96%, 93%, and
91% respectively.
- Abstract（参考訳）: 液体アルゴン時間射影チャンバー(Liquid Argon Time Projection Chambers、LArTPC)は、荷電粒子の軌跡の2Dまたは3D画像を記録する粒子イメージング検出器である。
これらの画像における関心点、すなわちミューオンや陽子のような軌道のような粒子軌道の初期および終点、および電子やガンマ線のような電磁シャワーのような粒子軌道の初期点は、これらの粒子を識別し分析し、ニュートリノ相互作用のような物理信号の推測に影響を与える重要なステップである。
ポイント提案ネットワークは、これらの特定の関心点を発見するように設計されている。
アルゴリズムは、その空間的位置をサブボクセル精度で予測し、特定された関心点のカテゴリを決定する。
ボクセル解像度が3mm/voxelのPILArNet公開LArTPCデータサンプルのベンチマークとして,提案した真点位置から3D点の96.8%と97.8%をそれぞれ予測した。
最寄りの真点位置の3つのボクセル内の予測された3D点について、中央値は0.25ボクセルであり、サブボクセルレベルの精度を達成する。
さらに,提案手法が提供された真の点位置と異なる誤りを10～4分の1以上のボクセルで解析した。
視覚的にスキャンされた50の誤りのうち、25は真の位置位置の定義によるものであり、15は物理学者がアルゴリズムの予測に視覚的に反対できない正当な誤りであり、10は将来改善したい真の誤りであった。
さらに, 予測した点を用いて, 3次元ボクセルを, クラスタリング効率, 純度, 調整ランド指数をそれぞれ96%, 93%, 91%で, 個々のトラック状粒子軌道に集積する簡単なアルゴリズムを示す。
関連論文リスト
- PointOcc: Cylindrical Tri-Perspective View for Point-based 3D Semantic
Occupancy Prediction [72.75478398447396]
本稿では,点雲を効果的かつ包括的に表現する円筒型三重対視図を提案する。
また,LiDAR点雲の距離分布を考慮し,円筒座標系における三点ビューを構築した。
プロジェクション中に構造の詳細を維持するために空間群プーリングを使用し、各TPV平面を効率的に処理するために2次元バックボーンを採用する。
論文 参考訳（メタデータ） (2023-08-31T17:57:17Z) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳（メタデータ） (2022-09-22T07:50:48Z) - mmPose-NLP: A Natural Language Processing Approach to Precise Skeletal
Pose Estimation using mmWave Radars [0.0]
本稿では,ミリ波レーダデータを用いたシークエンス・ツー・シークエンス(Seq2Seq)の骨格キーポイント推定器にインスパイアされた新しい自然言語処理(NLP)を提案する。
著者の知る限りでは、これはmmWaveレーダデータだけで25個の骨格キーポイントを正確に推定する最初の方法である。
骨格的なポーズ推定は、自動運転車、交通監視、患者監視、歩行分析、防衛法医学、予防的および行動可能な意思決定の助けなど、いくつかの応用において重要である。
論文 参考訳（メタデータ） (2021-07-21T19:45:17Z) - Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文 参考訳（メタデータ） (2021-07-08T15:19:36Z) - Neighbor-Vote: Improving Monocular 3D Object Detection through Neighbor
Distance Voting [12.611269919468999]
本稿では、隣接する予測を組み込んで、高度に変形した擬似LiDAR点雲からの物体検出を改善する方法を提案する。
鳥の視線検出の成績は,特に難易度検出において,最先端の視線検出よりも大きなマージンで優れていた。
論文 参考訳（メタデータ） (2021-07-06T09:18:33Z) - Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。
以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
論文 参考訳（メタデータ） (2021-04-21T00:35:32Z) - Vote from the Center: 6 DoF Pose Estimation in RGB-D Images by Radial
Keypoint Voting [7.6997148655751895]
本稿では,既存のスキームよりも精度が高く,分散キーポイントのより小さな集合を可能にする,交差球面に基づく新しいキーポイント投票方式を提案する。
提案手法は,RGB-Dデータ中の3次元オブジェクトの6次元ポーズ推定のためのRCVPose法の基礎となる。
論文 参考訳（メタデータ） (2021-04-06T14:06:08Z) - PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。
この2つのタスクを同一のメトリック空間で統一するモデルを提案する。
提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2021-01-17T05:11:38Z) - Clustering of Electromagnetic Showers and Particle Interactions with
Graph Neural Networks in Liquid Argon Time Projection Chambers Data [4.653747487703939]
液体アルゴン時間射影チャンバー(Liquid Argon Time Projection Chambers、LArTPC)は、荷電粒子の高解像度画像を生成する検出器である。
異なる粒子の超構造へのクラスター化は、現在と将来のニュートリノ物理学計画において中心的な重要性を持つ。
本稿ではグラフニューラルネットワーク(GNN)を用いて,EMシャワーフラグメントの隣接行列を予測し,シャワーの発生源を同定する。
論文 参考訳（メタデータ） (2020-07-02T18:32:25Z) - Optimisation of the PointPillars network for 3D object detection in
point clouds [1.1470070927586016]
本稿では,3次元物体検出のための深層ニューラルネットワークの最適化について述べる。
我々は、検出精度と計算複雑性との間に合理的な妥協をもたらすPointPillarsネットワークの実験を行った。
これにより、低消費電力でリアルタイムのLiDARデータ処理が可能になる。
論文 参考訳（メタデータ） (2020-07-01T13:50:42Z) - Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。
我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。
LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2020-02-29T06:24:55Z)
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。