論文の概要: Spatiotemporal tomography based on scattered multiangular signals and
its application for resolving evolving clouds using moving platforms
- arxiv url: http://arxiv.org/abs/2012.03223v1
- Date: Sun, 6 Dec 2020 09:22:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-21 13:56:54.016381
- Title: Spatiotemporal tomography based on scattered multiangular signals and
its application for resolving evolving clouds using moving platforms
- Title（参考訳）: 散乱多角波信号に基づく時空間トモグラフィーとその移動プラットフォームを用いた雲の再生への応用
- Authors: Roi Ronen (1) and Yoav Y. Schechner (1) and Eshkol Eytan (2) ((1)
Viterbi Faculty of Electrical Engineering, Technion - Israel Institute of
Technology, Haifa, Israel, (2) Department of Earth and Planetary Sciences,
The Weizmann Institute of Science, Rehovot, Israel)
- Abstract要約: 我々は,少数の移動カメラを用いて,経時的に変化する体積物体のCT(Computerd tomography)を導出した。
我々は、雲が地球の気候に大きな影響を与えるため、ダイナミックな雲に対するアプローチを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We derive computed tomography (CT) of a time-varying volumetric translucent
object, using a small number of moving cameras. We particularly focus on
passive scattering tomography, which is a non-linear problem. We demonstrate
the approach on dynamic clouds, as clouds have a major effect on Earth's
climate. State of the art scattering CT assumes a static object. Existing 4D CT
methods rely on a linear image formation model and often on significant priors.
In this paper, the angular and temporal sampling rates needed for a proper
recovery are discussed. If these rates are used, the paper leads to a
representation of the time-varying object, which simplifies 4D CT tomography.
The task is achieved using gradient-based optimization. We demonstrate this in
physics-based simulations and in an experiment that had yielded real-world
data.
- Abstract（参考訳）: 我々は、少数の移動カメラを用いて、時間変化した体積半透明物体のCT(Computerd tomography)を導出した。
特に非線形問題であるパッシブ散乱トモグラフィに注目する。
我々は、雲が地球の気候に大きな影響を与えるため、ダイナミックな雲に対するアプローチを実証する。
state of the art scattering ctは静的なオブジェクトを仮定する。
既存の4D CT法は線形画像形成モデルに依存しており、しばしば重要な先行技術に依存している。
本稿では,適切な回復に必要な角度および時間的サンプリング率について論じる。
これらの速度を使用すると、この論文は4次元CTトモグラフィーを単純化する時間変化物体の表現につながる。
このタスクは勾配に基づく最適化によって達成される。
我々はこれを物理シミュレーションや実世界のデータを得た実験で実証した。
関連論文リスト
- Distributed Stochastic Optimization of a Neural Representation Network for Time-Space Tomography Reconstruction [4.689071714940848]
X線CT(Computerd tomography)を用いた動的事象や変形物体の4次元時間空間再構成は、非常に不適切な逆問題である。
既存のアプローチでは、オブジェクトは数千から数百のX線投影計測画像の間静止していると仮定している。
本稿では,新しい分散学習アルゴリズムを用いて学習した,分散暗黙的ニューラルネットワークを用いた4次元時間空間再構成を提案する。
論文 参考訳（メタデータ） (2024-04-29T19:41:51Z) - Motion2VecSets: 4D Latent Vector Set Diffusion for Non-rigid Shape Reconstruction and Tracking [52.393359791978035]
Motion2VecSetsは点雲列からの動的表面再構成のための4次元拡散モデルである。
グローバルな潜在符号の代わりに、潜在集合で4Dダイナミクスをパラメータ化する。
時間的コヒーレントな物体追跡のために、変形潜在集合を同期的に認知し、複数のフレーム間で情報を交換する。
論文 参考訳（メタデータ） (2024-01-12T15:05:08Z) - Single-shot Tomography of Discrete Dynamic Objects [1.1407697960152927]
ダイナミックトモグラフィーにおける高分解能時間像の再構成法を提案する。
本研究の意義は、断層撮影における動的過程の可視化と解析の改善にまで及んでいる。
論文 参考訳（メタデータ） (2023-11-09T10:52:02Z) - DH-GAN: A Physics-driven Untrained Generative Adversarial Network for 3D
Microscopic Imaging using Digital Holography [3.4635026053111484]
デジタルホログラフィー(Digital holography)は、平面波面を持つレーザービームを物体に放出し、ホログラムと呼ばれる回折波形の強度を測定する3Dイメージング技術である。
近年,より正確なホログラフィック処理に深層学習(DL)法が用いられている。
本稿では, 識別ネットワークを用いて, 復元品質のセマンティック尺度を実現する, 生成的敵ネットワークに基づく新しいDLアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-05-25T17:13:45Z) - A Lightweight Structure Aimed to Utilize Spatial Correlation for
Sparse-View CT Reconstruction [6.8438089867929905]
重度の画像ノイズやストレッチアーティファクトは、低線量プロトコルの主要な問題であることが判明した。
本論文では,現在普及しているアルゴリズムの限界を破るデュアルドメイン深層学習手法を提案する。
提案手法は,40.305のPSNRと0.948のSSIMに到達し,高モデルモビリティを確保しながら,最先端の性能を実現する。
論文 参考訳（メタデータ） (2021-01-19T13:26:17Z) - 3D Scattering Tomography by Deep Learning with Architecture Tailored to
Cloud Fields [12.139158398361866]
本論文では,マルチビュー画像から散乱体積を3次元再構成する計算トモグラフィ用ディープニューラルネットワークである3DeepCTを提案する。
また, 3DeepCTは, 計算時間の大幅な改善とともに, 物理に基づく逆散乱法よりも精度が高いことを示す。
論文 参考訳（メタデータ） (2020-12-10T20:31:44Z) - CaSPR: Learning Canonical Spatiotemporal Point Cloud Representations [72.4716073597902]
本研究では,動的あるいは動いた物体の標準点クラウド表現を学習する手法を提案する。
本稿では, 形状再構成, カメラポーズ推定, 連続時間列再構成, 対応推定など, 様々な応用における本手法の有効性を実証する。
論文 参考訳（メタデータ） (2020-08-06T17:58:48Z) - 4D Spatio-Temporal Convolutional Networks for Object Position Estimation
in OCT Volumes [69.62333053044712]
3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。
我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
論文 参考訳（メタデータ） (2020-07-02T12:02:20Z) - Deep learning with 4D spatio-temporal data representations for OCT-based
force estimation [59.405210617831656]
深層学習に基づく力推定の問題を,3D OCTボリュームのストリームを用いた4次元体積時間データに拡張する。
平均絶対誤差は10.7mNで, 4Dterm-temporalデータを用いた場合, 従来使用されていたデータ表現よりも優れていた。
論文 参考訳（メタデータ） (2020-05-20T13:30:36Z) - A Deep Learning Approach for Motion Forecasting Using 4D OCT Data [69.62333053044712]
我々は,OCTボリュームのストリームを用いたエンド・ツー・エンド動作予測と推定のための4次元時間深度学習を提案する。
提案手法は,全体の平均相関97.41%の動作予測を実現するとともに,従来の3D手法と比較して2.5倍の動作推定性能を向上する。
論文 参考訳（メタデータ） (2020-04-21T15:59:53Z) - Spatio-Temporal Deep Learning Methods for Motion Estimation Using 4D OCT
Image Data [63.73263986460191]
特定の対象領域の局所化と運動の推定は、外科的介入の際のナビゲーションの一般的な問題である。
OCT画像ボリュームの時間的ストリームを用いることで、深層学習に基づく動き推定性能が向上するかどうかを検討する。
モデル入力に4D情報を使用すると、合理的な推論時間を維持しながら性能が向上する。
論文 参考訳（メタデータ） (2020-04-21T15:43:01Z)
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。