論文の概要: Surrogate-based cross-correlation for particle image velocimetry
- arxiv url: http://arxiv.org/abs/2112.05303v1
- Date: Fri, 10 Dec 2021 02:45:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-13 15:52:23.901980
- Title: Surrogate-based cross-correlation for particle image velocimetry
- Title(参考訳): 粒子画像速度計測のためのサーロゲートに基づく相互相関
- Authors: Yong Lee and Fuqiang Gu and Zeyu Gong
- Abstract要約: 最適化されたサロゲートフィルタ/イメージは、1つの元の画像を置き換えるもので、より堅牢でより正確な相関信号を生成する。
SBCCの相互相関推定は、代理損失と相関整合損失からなる目的関数で定式化される。
SBCC法は、最先端のベースライン法と比較して、合成データセットの性能(精度と堅牢性)が向上した。
- 参考スコア(独自算出の注目度): 1.9594639581421422
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel surrogate-based cross-correlation (SBCC)
framework to improve the correlation performance between two image signals. The
basic idea behind the SBCC is that an optimized surrogate filter/image,
supplanting one original image, will produce a more robust and more accurate
correlation signal. The cross-correlation estimation of the SBCC is
formularized with an objective function composed of surrogate loss and
correlation consistency loss. The closed-form solution provides an efficient
estimation. To our surprise, the SBCC framework could provide an alternative
view to explain a set of generalized cross-correlation (GCC) methods and
comprehend the meaning of parameters. With the help of our SBCC framework, we
further propose four new specific cross-correlation methods, and provide some
suggestions for improving existing GCC methods. A noticeable fact is that the
SBCC could enhance the correlation robustness by incorporating other negative
context images. Considering the sub-pixel accuracy and robustness requirement
of particle image velocimetry (PIV), the contribution of each term in the
objective function is investigated with particles' images. Compared with the
state-of-the-art baseline methods, the SBCC methods exhibit improved
performance (accuracy and robustness) on the synthetic dataset and several
challenging real experimental PIV cases.
- Abstract(参考訳): 本稿では,2つの画像信号間の相関性能を改善するために,SBCC(Surrogate-based cross-correlation)フレームワークを提案する。
sbccの基本的な考え方は、最適化されたサーロゲートフィルタ/イメージが1つのオリジナルイメージに取って代わることで、より堅牢で正確な相関信号を生成することだ。
SBCCの相互相関推定は、代理損失と相関整合損失からなる目的関数で定式化される。
閉形式解は効率的な推定を提供する。
驚いたことに、SBCCフレームワークは、GCC(Generalized Cross-correlation)メソッドのセットを説明し、パラメータの意味を理解するための代替的なビューを提供することができる。
SBCCフレームワークの助けを借りて,新たに4つの相互相関法を提案し,既存のGCC法を改善するための提案を行った。
顕著な事実は、SBCCが他の負の文脈像を取り入れることで相関ロバスト性を高めることができることである。
粒子画像ベロシメトリー(PIV)のサブピクセル精度とロバスト性要件を考慮して,各項の目的関数への寄与を粒子画像を用いて検討した。
SBCC法は、最先端のベースライン法と比較して、合成データセットの性能向上(精度と堅牢性)と、いくつかの挑戦的な実実験PIV症例を示す。
関連論文リスト
- Mitigating Data Consistency Induced Discrepancy in Cascaded Diffusion Models for Sparse-view CT Reconstruction [4.227116189483428]
本研究は, 離散性緩和フレームワークを用いた新規なカスケード拡散について紹介する。
潜在空間の低画質画像生成と画素空間の高画質画像生成を含む。
これは、いくつかの推論ステップをピクセル空間から潜在空間に移すことによって計算コストを最小化する。
論文 参考訳(メタデータ) (2024-03-14T12:58:28Z) - Symmetrical Bidirectional Knowledge Alignment for Zero-Shot Sketch-Based
Image Retrieval [69.46139774646308]
本稿ではゼロショットスケッチベース画像検索(ZS-SBIR)の問題点について検討する。
目に見えないカテゴリのスケッチをクエリとして使用して、同じカテゴリのイメージにマッチさせることが目的だ。
ゼロショットスケッチに基づく画像検索(SBKA)のための新しい対称双方向知識アライメントを提案する。
論文 参考訳(メタデータ) (2023-12-16T04:50:34Z) - Contrast-augmented Diffusion Model with Fine-grained Sequence Alignment
for Markup-to-Image Generation [15.411325887412413]
本稿では,FSA-CDM (Contrast-augmented Diffusion Model with Fine-fine Sequence Alignment) という新しいモデルを提案する。
FSA-CDMは、マークアップ・ツー・イメージ生成の性能を高めるために、対照的な正/負のサンプルを拡散モデルに導入する。
異なるドメインの4つのベンチマークデータセットで実験が行われる。
論文 参考訳(メタデータ) (2023-08-02T13:43:03Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳(メタデータ) (2023-07-26T07:45:14Z) - DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic
Correlation Diffusion Model [46.68717345017946]
ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。
意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。
提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
論文 参考訳(メタデータ) (2023-05-21T09:21:41Z) - Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳(メタデータ) (2023-01-24T17:54:01Z) - RCPS: Rectified Contrastive Pseudo Supervision for Semi-Supervised
Medical Image Segmentation [26.933651788004475]
我々は、RCPS(Rectified Contrastive Pseudo Supervision)という、新しい半教師付きセグメンテーション手法を提案する。
RCPSは、修正された疑似監督とボクセルレベルのコントラスト学習を組み合わせて、半教師付きセグメンテーションの有効性を向上させる。
実験結果から, 半教師付き医用画像分割における最先端手法と比較して, 高いセグメンテーション性能が得られた。
論文 参考訳(メタデータ) (2023-01-13T12:03:58Z) - Dual-Cross Central Difference Network for Face Anti-Spoofing [54.81222020394219]
対面防止(FAS)は、顔認識システムを保護する上で重要な役割を担っている。
中央差分畳み込み(CDC)は、FASタスクの優れた表現能力を示しています。
中心と周囲の局所的な特徴の差を利用した2つのC-CDC(Cross Central difference Convolutions)を提案する。
論文 参考訳(メタデータ) (2021-05-04T05:11:47Z) - Residual-driven Fuzzy C-Means Clustering for Image Segmentation [152.609322951917]
画像分割のための残留駆動型ファジィC平均(FCM)について詳述する。
この枠組みに基づいて,混合雑音分布の重み付けによる重み付き$ell_2$-norm忠実度項を示す。
その結果、既存のFCM関連アルゴリズムよりも提案アルゴリズムの有効性と効率が優れていることが示された。
論文 参考訳(メタデータ) (2020-04-15T15:46:09Z) - Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering
Incorporating Morphological Reconstruction and Wavelet Frames for Image
Segmentation [152.609322951917]
そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。
提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
論文 参考訳(メタデータ) (2020-02-21T05:19:10Z)
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。