論文の概要: Data-driven and Automatic Surface Texture Analysis Using Persistent
Homology
- arxiv url: http://arxiv.org/abs/2110.10005v1
- Date: Tue, 19 Oct 2021 14:19:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-20 13:51:57.890332
- Title: Data-driven and Automatic Surface Texture Analysis Using Persistent
Homology
- Title（参考訳）: 永続ホモロジーを用いたデータ駆動・自動表面テクスチャ解析
- Authors: Melih C. Yesilli and Firas A. Khasawneh
- Abstract要約: 合成表面の粗さレベルを分類するためのトポロジカルデータ解析(TDA)手法を提案する。
我々は、表面の形状に関する情報をカプセル化する永続化図を生成する。
次に、Carlsson座標、永続画像、テンプレート関数を用いて、各表面またはプロファイルの特徴行列を求める。
- 参考スコア（独自算出の注目度）: 1.370633147306388
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Surface roughness plays an important role in analyzing engineering surfaces.
It quantifies the surface topography and can be used to determine whether the
resulting surface finish is acceptable or not. Nevertheless, while several
existing tools and standards are available for computing surface roughness,
these methods rely heavily on user input thus slowing down the analysis and
increasing manufacturing costs. Therefore, fast and automatic determination of
the roughness level is essential to avoid costs resulting from surfaces with
unacceptable finish, and user-intensive analysis. In this study, we propose a
Topological Data Analysis (TDA) based approach to classify the roughness level
of synthetic surfaces using both their areal images and profiles. We utilize
persistent homology from TDA to generate persistence diagrams that encapsulate
information on the shape of the surface. We then obtain feature matrices for
each surface or profile using Carlsson coordinates, persistence images, and
template functions. We compare our results to two widely used methods in the
literature: Fast Fourier Transform (FFT) and Gaussian filtering. The results
show that our approach yields mean accuracies as high as 97%. We also show
that, in contrast to existing surface analysis tools, our TDA-based approach is
fully automatable and provides adaptive feature extraction.
- Abstract（参考訳）: 表面粗さは工学的表面分析において重要な役割を担っている。
表面トポグラフィーを定量化し、その結果の表面フィニッシュが許容されるか否かを決定するために使用できる。
それでも、表面粗さを計算するための既存のツールや標準はいくつかあるが、これらの手法はユーザー入力に大きく依存しているため、分析が遅くなり製造コストが増加する。
そのため, 表面粗さの迅速かつ自動判定は, 許容不可能な仕上げ面やユーザ集中分析によるコストの低減に不可欠である。
本研究では,合成表面の粗さレベルをアラル画像とプロファイルの両方を用いて分類するためのトポロジカルデータ解析(TDA)に基づくアプローチを提案する。
我々は, tda からの永続的ホモロジーを用いて, 表面形状に関する情報をカプセル化する永続性図を作成する。
次に,carlsson座標,永続化画像,テンプレート関数を用いて,各面やプロファイルの特徴行列を求める。
本稿では,Fast Fourier Transform (FFT) とGaussian Filtering (Gaussian Filtering) の2つの手法を比較した。
その結果,提案手法は最大97%の確率で得られることがわかった。
また、既存の表面分析ツールとは対照的に、我々のTDAベースのアプローチは完全に自動化可能であり、適応的な特徴抽出を提供することを示す。
関連論文リスト
- GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを明示的な幾何学的ガイダンスと微分可能なPBR方程式で拡張する新しいハイブリッド表現である。
多様なデータセットにわたる総合的な評価は、GeoSplattingの優位性を示している。
論文 参考訳（メタデータ） (2024-10-31T17:57:07Z) - ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。
そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。
本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
論文 参考訳（メタデータ） (2024-08-22T17:59:01Z) - ImplicitTerrain: a Continuous Surface Model for Terrain Data Analysis [14.013976303831313]
ImplicitTerrainは、高解像度の地形を連続的に微分的にモデル化するための暗黙の神経表現(INR)アプローチである。
本実験では, 表面適合精度, 有効トポロジカル特徴抽出, 各種トポロジカル特徴抽出について検討した。
論文 参考訳（メタデータ） (2024-05-31T23:05:34Z) - Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。
従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。
当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
論文 参考訳（メタデータ） (2024-05-23T14:39:52Z) - Stochastic Geometry Models for Texture Synthesis of Machined Metallic Surfaces: Sandblasting and Milling [0.7673339435080445]
視覚面検査システムのためのトレーニング欠陥検出アルゴリズムには,大規模かつ代表的なトレーニングデータが必要である。
テクスチャ合成モデルを用いて微小な表面トポグラフィーをモデル化するデジタルツインが必要である。
論文 参考訳（メタデータ） (2024-03-20T09:27:49Z) - HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper
Surfaces [54.77683371400133]
本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。
実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
論文 参考訳（メタデータ） (2022-10-13T16:39:53Z) - Automated Surface Texture Analysis via Discrete Cosine Transform and
Discrete Wavelet Transform [2.3915097884016845]
情報理論と信号エネルギーに基づく2つの自動しきい値選択アルゴリズムを提案する。
その結果,平均的精度は95%と良好な一致を示した。
論文 参考訳（メタデータ） (2022-04-12T17:30:43Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - 3D Dense Geometry-Guided Facial Expression Synthesis by Adversarial
Learning [54.24887282693925]
本稿では,3次元密度(深度,表面正規度)情報を表現操作に用いる新しいフレームワークを提案する。
既製の最先端3D再構成モデルを用いて深度を推定し,大規模RGB-Depthデータセットを作成する。
実験により,提案手法は競争ベースラインと既存の芸術を大きなマージンで上回ることを示した。
論文 参考訳（メタデータ） (2020-09-30T17:12:35Z) - Deep covariate-learning: optimising information extraction from terrain
texture for geostatistical modelling applications [0.0]
測地モデルでは,デジタル標高モデルからできるだけ多くのタスク関連情報を抽出することが望ましい。
本稿では,標準SRTM 90m格子デジタル標高モデル(DEM)からタスク固有の地形テクスチャを自動抽出するディープラーニング手法の形でこの問題の解決法を提案する。
対象変数については, 河川堆積物中のカリウム, カルシウム, ヒ素の濃度について, 英国地質調査所の地化学データを用いて検討した。
論文 参考訳（メタデータ） (2020-05-22T14:00:28Z)
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。