論文の概要: Ice Core Science Meets Computer Vision: Challenges and Perspectives
- arxiv url: http://arxiv.org/abs/2104.04430v1
- Date: Fri, 9 Apr 2021 15:27:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 13:56:01.837606
- Title: Ice Core Science Meets Computer Vision: Challenges and Perspectives
- Title（参考訳）: ice core scienceがコンピュータビジョンを満たす - 挑戦と展望
- Authors: P. Bohleber, M. Roman, C. Barbante, S. Vascon, K. Siddiqi, M. Pelillo
- Abstract要約: 極氷コアは、自然のアーカイブを通じて地球の気候システムの研究において中心的な役割を果たす。
LA-ICP-MSは、ミクロンスケールの2D化学情報と視覚的特徴の組み合わせにより、革命的な可能性があります。
化学画像における記録保存の研究は、コンピュータビジョンコミュニティの専門知識を求める新たな疑問を提起する。
- 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: Polar ice cores play a central role in studies of the earth's climate system
through natural archives. A pressing issue is the analysis of the oldest,
highly thinned ice core sections, where the identification of paleoclimate
signals is particularly challenging. For this, state-of-the-art imaging by
laser-ablation inductively-coupled plasma mass spectrometry (LA-ICP-MS) has the
potential to be revolutionary due to its combination of micron-scale 2D
chemical information with visual features. However, the quantitative study of
record preservation in chemical images raises new questions that call for the
expertise of the computer vision community. To illustrate this new
inter-disciplinary frontier, we describe a selected set of key questions. One
critical task is to assess the paleoclimate significance of single line
profiles along the main core axis, which we show is a scale-dependent problem
for which advanced image analysis methods are critical. Another important issue
is the evaluation of post-depositional layer changes, for which the chemical
images provide rich information. Accordingly, the time is ripe to begin an
intensified exchange among the two scientific communities of computer vision
and ice core science. The collaborative building of a new framework for
investigating high-resolution chemical images with automated image analysis
techniques will also benefit the already wide-spread application of LA-ICP-MS
chemical imaging in the geosciences.
- Abstract（参考訳）: 極氷コアは、自然のアーカイブを通じて地球の気候システムの研究において中心的な役割を果たす。
圧力のかかる問題は、古気候の信号の識別が特に難しい、最も古く、非常に薄い氷コアの断面の分析である。
このために、レーザーアブレーション誘導結合プラズマ質量分析法(LA-ICP-MS)による最先端のイメージングは、ミクロンスケールの2D化学情報と視覚的特徴の組み合わせによって革命的になる可能性がある。
しかし, 化学画像における記録保存の定量的研究は, コンピュータビジョンコミュニティの専門知識を求める新たな疑問を提起する。
この新たな学際的フロンティアを説明するために、選択された重要な質問の集合を記述する。
1つの重要な課題は、主核軸に沿った単線プロファイルの古気候的意義を評価することである。
もう一つの重要な問題は、化学画像が豊富な情報を提供する堆積後層変化の評価である。
そのため、コンピュータビジョンとアイスコアサイエンスの2つの科学コミュニティの間で、より強固な交流が始まっている。
自動画像解析技術を用いた高分解能化学画像調査のための新しい枠組みの構築は、地球科学におけるla-icp-msケミカルイメージングの応用に既に広く貢献している。
関連論文リスト
- Mew: Multiplexed Immunofluorescence Image Analysis through an Efficient Multiplex Network [84.88767228835928]
マルチプレックスネットワークのレンズを通してmIF画像を効率的に処理する新しいフレームワークであるMewを紹介する。
Mew は、幾何学情報のための Voronoi ネットワークと、セルワイドの均一性を捉えるセル型ネットワークという、2つの異なる層からなる多重ネットワークを革新的に構築する。
このフレームワークは、トレーニング中にグラフ全体を処理できるスケーラブルで効率的なグラフニューラルネットワーク(GNN)を備えている。
論文 参考訳（メタデータ） (2024-07-25T08:22:30Z) - Learning Spatio-Temporal Patterns of Polar Ice Layers With Physics-Informed Graph Neural Network [0.7673339435080445]
本稿では,グラフ特徴学習のためのGraphSAGEフレームワークと,時間変化学習のためのLSTM構造を組み合わせた物理インフォーム型ハイブリッドグラフニューラルネットワークを提案する。
我々のネットワークは、深い氷層厚を予測する際に、現在の非誘導的または非物理的モデルよりも一貫して優れていることがわかった。
論文 参考訳（メタデータ） (2024-06-21T16:41:02Z) - PyNanospacing: TEM image processing tool for strain analysis and
visualization [0.0]
本稿では,幅広い材料を扱えるTEM画像処理のためのPythonコードを開発する。
平面間隔の局所的な差異を輪郭写像に変換し、格子拡大と圧縮の視覚的表現を可能にする。
ツールは非常に汎用的で、TEM画像を用いて材料特性を分析するのに大いに役立ちます。
論文 参考訳（メタデータ） (2023-11-27T12:08:46Z) - Symmetry-Informed Geometric Representation for Molecules, Proteins, and
Crystalline Materials [66.14337835284628]
幾何戦略の有効性をベンチマークできるGeom3Dというプラットフォームを提案する。
Geom3Dは16の高度な対称性インフォームド幾何表現モデルと46の多様なデータセット上の14の幾何事前学習方法を含んでいる。
論文 参考訳（メタデータ） (2023-06-15T05:37:25Z) - Deep Learning for Event-based Vision: A Comprehensive Survey and Benchmarks [55.81577205593956]
イベントカメラはバイオインスパイアされたセンサーで、ピクセルごとの強度の変化を非同期に捉える。
深層学習(DL)はこの新興分野に導入され、その可能性のマイニングに活発な研究努力にインスピレーションを与えている。
論文 参考訳（メタデータ） (2023-02-17T14:19:28Z) - Machine Learning and Thermography Applied to the Detection and
Classification of Cracks in Building [0.0]
この研究プロジェクトは、赤外線サーモグラフィと機械学習(ML)を組み合わせることで、ステークホルダーが既存の建物を再利用する可能性を決定することを目的としている。
この研究プロジェクトの特定のフェーズでは、コンボリューショナルニューラルネットワーク(DCNN)のイメージ分類機械学習モデルを使用して、1つの建物で3つのレベルの亀裂を区別しました。
論文 参考訳（メタデータ） (2022-12-30T14:16:24Z) - A domain adaptive deep learning solution for scanpath prediction of
paintings [66.46953851227454]
本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。
我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。
提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
論文 参考訳（メタデータ） (2022-09-22T22:27:08Z) - The Preliminary Results on Analysis of TAIGA-IACT Images Using
Convolutional Neural Networks [68.8204255655161]
本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。
The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
論文 参考訳（メタデータ） (2021-12-19T15:17:20Z) - Fine-Grained Image Analysis with Deep Learning: A Survey [146.22351342315233]
きめ細かい画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の根本的な問題である。
本稿では、FGIAの分野を再定義し、FGIAの2つの基礎研究領域、細粒度画像認識と細粒度画像検索を統合することで、FGIAの分野を広げようとしている。
論文 参考訳（メタデータ） (2021-11-11T09:43:56Z) - Cross-Subject Domain Adaptation for Multi-Frame EEG Images [7.685326453558987]
本研究では,空間的注意(CS-DASA)を考慮したクロスオブジェクト深層適応モデルを提案する。
13の被験者を含むパブリックなWM EEGデータセットで行った実験は、提案モデルが既存の最先端技術よりも優れた性能を達成可能であることを示している。
論文 参考訳（メタデータ） (2021-06-12T13:04:46Z) - Stain Style Transfer of Histopathology Images Via Structure-Preserved
Generative Learning [31.254432319814864]
本研究では,SSIM-GANとDSCSI-GANの2つのステンスタイル転送モデルを提案する。
学習における構造保存指標と補助診断ネットのフィードバックを協調することにより、医療関連情報をカラー正規化画像に保存する。
論文 参考訳（メタデータ） (2020-07-24T15:30:19Z)
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。