論文の概要: CoShaRP: A Convex Program for Single-shot Tomographic Shape Sensing

• arxiv url: http://arxiv.org/abs/2012.04551v2
• Date: Sun, 13 Dec 2020 21:02:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-17 03:13:27.908816
• Title: CoShaRP: A Convex Program for Single-shot Tomographic Shape Sensing
• Title（参考訳）: CoShaRP:シングルショットトモグラフィー形状センシングのための凸プログラム
• Authors: Ajinkya Kadu, Tristan van Leeuwen, and K. Joost Batenburg
• Abstract要約: 単一のコーンビーム投影測定からターゲット画像を推定することを目的とした単発X線トモグラフィを紹介します。 形状先行は、線形不定像推定問題から形状のロート変換を推定する非線形問題へと変換する。 辞書係数の回復に成功した凸プログラム CoShaRP を提案する。
• 参考スコア（独自算出の注目度）: 2.7528170226206434
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce single-shot X-ray tomography that aims to estimate the target image from a single cone-beam projection measurement. This linear inverse problem is extremely under-determined since the measurements are far fewer than the number of unknowns. Moreover, it is more challenging than conventional tomography where a sufficiently large number of projection angles forms the measurements, allowing for a simple inversion process. However, single-shot tomography becomes less severe if the target image is only composed of known shapes. Hence, the shape prior transforms a linear ill-posed image estimation problem to a non-linear problem of estimating the roto-translations of the shapes. In this paper, we circumvent the non-linearity by using a dictionary of possible roto-translations of the shapes. We propose a convex program CoShaRP to recover the dictionary-coefficients successfully. CoShaRP relies on simplex-type constraint and can be solved quickly using a primal-dual algorithm. The numerical experiments show that CoShaRP recovers shapes stably from moderately noisy measurements.
• Abstract（参考訳）: 単発X線トモグラフィーを導入し、単一のコーンビーム投影計測から対象画像を推定する。 この線形逆問題は、測定値が未知数よりはるかに少ないため、非常に不確定である。 さらに、十分な数の投影角が測定値を形成する従来のトモグラフィーよりも困難であり、簡単な反転プロセスが可能となる。 しかし、対象画像が既知の形状のみで構成されている場合、単発トモグラフィーは厳しさが低下する。 したがって、形状事前は、その形状のロト変換を推定する非線形問題に線形不測画像推定問題を変換する。 本稿では, 形状のロート変換可能な辞書を用いて, 非線形性を回避する。 辞書係数を回復するための凸プログラムCoShaRPを提案する。 CoShaRPは単純なx型制約に依存しており、原始双対アルゴリズムを用いて迅速に解ける。 数値実験により,CoShaRPは中程度の雑音測定から安定に形状を復元することが示された。

関連論文リスト

• PtychoDV: Vision Transformer-Based Deep Unrolling Network for Ptychographic Image Reconstruction [12.780951605821238]
  PtychoDVは、効率的で高品質な画像再構成のために設計された、新しいディープモデルベースのネットワークである。 シミュレーションデータの結果,PtychoDVは既存のディープラーニング手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-11T14:01:36Z)
• Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
  我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。 新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。 増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
  論文  参考訳（メタデータ） (2023-08-10T12:53:30Z)
• $PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D Reconstruction [97.06927852165464]
  単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。 条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
  論文  参考訳（メタデータ） (2023-02-21T13:37:07Z)
• RecRecNet: Rectangling Rectified Wide-Angle Images by Thin-Plate Spline Model and DoF-based Curriculum Learning [62.86400614141706]
  我々はRecRecNet(Rectangling Rectification Network)という新しい学習モデルを提案する。 我々のモデルは、ソース構造をターゲット領域に柔軟にワープし、エンドツーエンドの非教師なし変形を実現する。 実験により, 定量評価と定性評価の両面において, 比較法よりも解法の方が優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-04T15:12:57Z)
• Robust and Accurate Cylinder Triangulation [23.35080249212613]
  一般二次曲面の線形推定は本質的にひどい問題であることを示す。 3つの画像シルエット線に基づく高速最小解法が導出され、ロバストな推定スキームのブートストラップに使用できる。 また,すべての画像ラインを組み込んで正確な推定を行うことができる最小二乗解法を提案する。
  論文  参考訳（メタデータ） (2022-12-05T14:42:40Z)
• Unsupervised Deep Learning Meets Chan-Vese Model [77.24463525356566]
  本稿では,Chan-Vese(CV)モデルとディープニューラルネットワークを統合した教師なしのイメージセグメンテーション手法を提案する。 私たちの基本的な考え方は、イメージを潜伏空間にマッピングするディープニューラルネットワークを適用して、画像空間における断片的な定数仮定の違反を軽減することです。
  論文  参考訳（メタデータ） (2022-04-14T13:23:57Z)
• Deep Image Prior using Stein's Unbiased Risk Estimator: SURE-DIP [31.408877556706376]
  超高解像度イメージングを含む多くのイメージングアプリケーションでは、トレーニングデータが不足している。 シングルショット画像回復のためのディープ画像先行アルゴリズム(DIP)が導入され、トレーニングデータの必要性を完全に排除した。 オーバーフィッティングを最小限に抑えるため,一般化されたStein's Unbiased Risk Estimation (GSURE)損失指標を導入する。
  論文  参考訳（メタデータ） (2021-11-21T20:11:56Z)
• 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)
• Interpolation of CT Projections by Exploiting Their Self-Similarity and Smoothness [6.891238879512674]
  提案アルゴリズムは, シングラムの自己相似性と滑らか性を利用する。 シミュレーションおよび実ctデータを用いた実験により,提案アルゴリズムを用いたシンノグラムにより,再構成画像の品質が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-03-05T22:41:25Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Class-Specific Blind Deconvolutional Phase Retrieval Under a Generative Prior [8.712404218757733]
  この問題はフーリエ・プチコグラフィー、X線結晶学、可視光通信など様々な画像モダリティで発生する。 本稿では,事前訓練された2つの深層生成ネットワークの下での交互勾配降下アルゴリズムを用いて,この逆問題の解法を提案する。 提案アルゴリズムは,前向き測定モデルを説明する各前駆体の範囲内で,シャープな画像とぼやけたカーネルを見つけ出そうとする。
  論文  参考訳（メタデータ） (2020-02-28T07:36:28Z)

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。