論文の概要: Reconstruction of Voxels with Position- and Angle-Dependent Weightings
- arxiv url: http://arxiv.org/abs/2010.14205v1
- Date: Tue, 27 Oct 2020 11:29:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 12:15:04.450012
- Title: Reconstruction of Voxels with Position- and Angle-Dependent Weightings
- Title（参考訳）: 位置・角度依存重み付けによるボクセルの再構成
- Authors: Lina Felsner, Tobias W\"urfl, Christopher Syben, Philipp Roser,
Alexander Preuhs, Andreas Maier, and Christian Riess
- Abstract要約: まず、システム行列と重み付け部分の観点から、この再構成問題を定式化する。
擬似逆数を計算し、解が階数不足であり、従って非常に不適切であることを示す。
- 参考スコア（独自算出の注目度）: 66.25540976151842
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The reconstruction problem of voxels with individual weightings can be
modeled a position- and angle- dependent function in the forward-projection.
This changes the system matrix and prohibits to use standard filtered
backprojection. In this work we first formulate this reconstruction problem in
terms of a system matrix and weighting part. We compute the pseudoinverse and
show that the solution is rank-deficient and hence very ill posed. This is a
fundamental limitation for reconstruction. We then derive an iterative solution
and experimentally show its uperiority to any closed-form solution.
- Abstract（参考訳）: 個々の重み付きボクセルの復元問題は前方投影における位置依存関数と角度依存関数をモデル化することができる。
これによりシステムマトリックスが変更され、標準フィルタバックプロジェクションの使用が禁止される。
本研究は,システム行列と重み付け部の観点から,まずこの再構成問題を定式化する。
疑似逆計算を行い,解がランク不足であり,従って非常に不適切であることを示す。
これは再建の基本的な限界である。
次に反復解を導出し、その経験則を任意の閉形式解に実験的に示す。
関連論文リスト
- Back-Projection Diffusion: Solving the Wideband Inverse Scattering Problem with Diffusion Models [2.717354728562311]
広帯域散乱データから後部分布を近似するためのエンドツーエンド確率的フレームワークを提案する。
この問題では、条件拡散モデルと波動伝播および対称性の基礎物理学を併用する。
我々のフレームワークは、マルチスキャッタリング方式でNyquistのサブ機能を回復させることなく、鋭い再構築を実現することができる。
論文 参考訳（メタデータ） (2024-08-05T23:33:24Z) - Convergence Properties of Score-Based Models for Linear Inverse Problems Using Graduated Optimisation [44.99833362998488]
本稿では,スコアベース生成モデル(SGM)を用いて逆問題の解法を提案する。
初期値とは無関係に,高Ms画像の復元が可能であることを示す。
ソースはGitHubで公開されている。
論文 参考訳（メタデータ） (2024-04-29T13:47:59Z) - Hamiltonian Reconstruction: the Correlation Matrix and Incomplete
Operator Bases [0.0]
未完成なベースと過完全なベース – 演算子の数が少ない,あるいは多すぎる – の影響について検討する。
不完全なベースから再構成するための近似スキームを提案し、選択モデル上で数値的に実行した。
論文 参考訳（メタデータ） (2023-11-15T19:00:11Z) - Learning polytopes with fixed facet directions [0.0]
固定された単純正規ファンに対して、最小二乗推定は凸二次プログラムによって与えられることを示す。
雑音支援関数の評価が増加するにつれて未知の形状に収束するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-01-10T16:05:44Z) - Deep Learning Approximation of Diffeomorphisms via Linear-Control
Systems [91.3755431537592]
我々は、制御に線形に依存する$dot x = sum_i=1lF_i(x)u_i$という形の制御系を考える。
対応するフローを用いて、コンパクトな点のアンサンブル上の微分同相写像の作用を近似する。
論文 参考訳（メタデータ） (2021-10-24T08:57:46Z) - Multi-view 3D Reconstruction of a Texture-less Smooth Surface of Unknown
Generic Reflectance [86.05191217004415]
表面反射率の不明なテクスチャレス物体の多視点再構成は難しい課題である。
本稿では,コライトスキャナーをベースとした,この問題に対するシンプルで堅牢な解法を提案する。
論文 参考訳（メタデータ） (2021-05-25T01:28:54Z) - Solving weakly supervised regression problem using low-rank manifold
regularization [77.34726150561087]
我々は弱い教師付き回帰問題を解く。
weakly"の下では、いくつかのトレーニングポイントではラベルが知られ、未知のものもあれば、無作為なノイズの存在やリソースの欠如などの理由によって不確かであることが分かっています。
数値的な節ではモンテカルロモデルを用いて提案手法を人工と実のデータセットに適用した。
論文 参考訳（メタデータ） (2021-04-13T23:21:01Z) - Renormalization for Initialization of Rolling Shutter Visual-Inertial
Odometry [5.33024001730262]
初期化は慣性信号を使用し、それらを視覚データと融合させるための前提条件である。
カナタニの正規化スキームに投入することで、視覚的および慣性的データに関する問題を同時に解決する新しい統計解を提案する。
地上の真実に関する広範囲な評価は、当初提案されたLast Squaresソリューションよりも優れた性能と最大20%の精度の向上を示している。
論文 参考訳（メタデータ） (2020-08-14T14:54:15Z) - Competitive Mirror Descent [67.31015611281225]
制約のある競合最適化には、制約の対象となる競合する目的を最小化しようとする複数のエージェントが含まれる。
本稿では, 競合ミラー降下法(CMD)を提案する。
特別の場合として、正の円錐上の問題に対する新しい競合乗法重みアルゴリズムを得る。
論文 参考訳（メタデータ） (2020-06-17T22:11:35Z) - Solving Inverse Problems with a Flow-based Noise Model [100.18560761392692]
本研究では,従来の正規化フローを用いた画像逆問題について検討する。
我々の定式化は、この解を測定値に条件付けされた画像の最大後値推定とみなす。
提案手法の様々な逆問題に対する有効性について実験的に検証した。
論文 参考訳（メタデータ） (2020-03-18T08:33:49Z)
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。