論文の概要: Computer Vision based Tomography of Structures Using 3D Digital Image Correlation

• arxiv url: http://arxiv.org/abs/2012.10516v1
• Date: Fri, 18 Dec 2020 21:17:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-05-01 19:35:35.396295
• Title: Computer Vision based Tomography of Structures Using 3D Digital Image Correlation
• Title（参考訳）: 3次元デジタル画像相関を用いたコンピュータビジョンによる構造物のトモグラフィー
• Authors: Mehrdad Shafiei Dizaji, Devin Harris
• Abstract要約: サンプルの内部特性は、医用イメージングツールによって観察できる。 三次元異質空間の内部における見えない欠陥分布の回復を目的とした新しいアイデア。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Internal properties of a sample can be observed by medical imaging tools, such as ultrasound devices, magnetic resonance imaging (MRI) and optical coherence tomography (OCT) which are based on relying on changes in material density or chemical composition [1-21]. As a preliminary investigation, the feasibility to detect interior defects inferred from the discrepancy in elasticity modulus distribution of a three-dimensional heterogeneous sample using only surface full-field measurements and finite element model updating as an inverse optimization algorithm without any assumption about local homogeneities and also the elasticity modulus distribution is investigated. Recently, the authors took advantages of the digital image correlation technique as a full field measurement in constitutive property identification of a full-scale steel component [22-27]. To the extension of previous works, in this brief technical note, the new idea intended at recovering unseen volumetric defect distributions within the interior of three-dimensional heterogeneous space of the structural component using 3D-Digital Image Correlation for structural identification [28-57]. As a proof of concept, the results of this paper illustrate the potential to identify invisible internal defect by the proposed computer vision technique establishes the potential for new opportunities to characterize internal heterogeneous materials for their mechanical property distribution and condition state.
• Abstract（参考訳）: 試料の内部特性は、材料密度や化学組成の変化に依存する超音波装置、磁気共鳴画像(mri)、光コヒーレンス断層撮影(oct)などの医用イメージングツールによって観察することができる [1-21]。 本研究では, 三次元不均一試料の弾性率分布の相違から推定される内部欠陥を, 局所的均一性や弾性率分布の仮定を伴わずに, 逆最適化アルゴリズムとしての有限要素モデル更新のみで検出できる可能性について検討した。 近年, 著者らは, フルスケール鋼部品の構成特性同定におけるフルフィールド計測として, ディジタル画像相関技術を活用している[22-27]。 先行研究の延長に向けて,本稿では,構造同定のための3次元ディジタル画像相関を用いた構造成分の3次元不均質空間の内部における不審な体積欠陥分布の復元を目的とした新しい考え方 [28-57] について述べる。 概念実証として,提案するコンピュータビジョン技術により,見えない内部欠陥を識別する可能性を示し,内部異種材料を機械的特性分布と条件状態に特徴付ける新たな機会を見出した。

関連論文リスト

• Automated Dynamic Image Analysis for Particle Size and Shape Classification in Three Dimensions [3.8300818830608345]
  動的画像解析のための最先端技術は、主に二次元イメージングに限られている。 既存の3次元イメージング技術(CT、レーザースキャン、写真撮影など)は静的物体に限られている。 OCcularは、光カメラの同期配列を用いて連続的な粒子の流れを撮像するコスト効率のよいソリューションを提供することで、これらの課題に対処する。
  論文  参考訳（メタデータ） (2024-12-06T15:36:59Z)
• Neural Image Unfolding: Flattening Sparse Anatomical Structures using Neural Fields [6.5082099033254135]
  トモグラフィーは3次元物体の内部構造を明らかにし、診断に不可欠である。 臓器特異的な展開技術は、密集した3次元表面を歪み最小化された2次元表現にマッピングするために存在する。 我々は、関心の解剖学的変換を2次元概要画像に適合させるために、ニューラルネットワークをデプロイする。
  論文  参考訳（メタデータ） (2024-11-27T14:58:49Z)
• Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
  本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。 我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
  論文  参考訳（メタデータ） (2024-02-27T10:38:05Z)
• A Generative Machine Learning Model for Material Microstructure 3D Reconstruction and Performance Evaluation [4.169915659794567]
  2次元から3次元への次元展開は、現在の技術的観点から非常に難しい逆問題と見なされている。 U-netのマルチスケール特性とGANの生成能力を統合する新しい生成モデルが提案されている。 さらに、画像正規化損失とワッサーシュタイン距離損失を組み合わせることにより、モデルの精度をさらに向上する。
  論文  参考訳（メタデータ） (2024-02-24T13:42:34Z)
• Denoising diffusion-based synthetic generation of three-dimensional (3D) anisotropic microstructures from two-dimensional (2D) micrographs [0.0]
  条件拡散に基づく生成モデル(DGM)に基づく異方性組織再構築のための枠組みを提案する。 提案するフレームワークは,複数の2次元条件付きDGMの空間的接続を伴い,それぞれが3つの異なる平面に対して2次元マイクロ構造サンプルを生成するように訓練されている。 その結果, このフレームワークは材料相の統計分布だけでなく, 3次元空間における材料特性も再現可能であることがわかった。
  論文  参考訳（メタデータ） (2023-12-13T01:36:37Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• A Survey on Evaluation Metrics for Synthetic Material Micro-Structure Images from Generative Models [0.0]
  合成微細構造画像の評価は、機械学習と材料科学の研究が共に発展するにつれ、新たな問題となっている。 本研究では, グラフェン強化ポリウレタン発泡体の走査電子顕微鏡(SEM)像について検討した。
  論文  参考訳（メタデータ） (2022-11-03T15:17:42Z)
• Amortized Inference for Heterogeneous Reconstruction in Cryo-EM [36.911133113707045]
  低温電子顕微鏡(cryo-EM)は、タンパク質やその他の生命の構成要素の力学に関する洞察を提供する。 生物分子のポーズ、3次元構造、配座の不均一性を共同で推定するアルゴリズムの課題は未解決のままである。 この方法であるCryoFIREは、不動化フレームワークで未知のポーズを伴って、ab initioheregeneous Restructionを行う。 精度を損なうことなく、何百万もの画像を含むデータセットに対して、1桁のスピードアップを提供できることを示す。
  論文  参考訳（メタデータ） (2022-10-13T22:06:38Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Invertible Neural Networks for Uncertainty Quantification in Photoacoustic Imaging [22.690971184202944]
  本研究では、条件付き可逆ニューラルネットワーク(cINN)の概念を活用することにより、この特定の不確実性を扱うための新しいアプローチを提案する。 具体的には、組織酸素化と単画素初期圧力スペクトルを全後確率密度に変換するために一般的に用いられる点推定を超えることを提案する。 提示されたアーキテクチャに基づいて、この情報を利用して検出・定量化するだけでなく、不確かさを補う2つのユースケースを実証する。
  論文  参考訳（メタデータ） (2020-11-10T14:17:18Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• Unsupervised Instance Segmentation in Microscopy Images via Panoptic Domain Adaptation and Task Re-weighting [86.33696045574692]
  病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。 まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。 第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
  論文  参考訳（メタデータ） (2020-05-05T11:08:26Z)

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。