論文の概要: Two Methods for Iso-Surface Extraction from Volumetric Data and Their Comparison

• arxiv url: http://arxiv.org/abs/2201.03446v1
• Date: Mon, 3 Jan 2022 11:05:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-16 17:12:27.200889
• Title: Two Methods for Iso-Surface Extraction from Volumetric Data and Their Comparison
• Title（参考訳）: 体積データからのiso-surface抽出のための2つの方法とその比較
• Authors: Vaclav Skala, Alex Brusi
• Abstract要約: 等表面抽出の精度は非常に重要であり、通常は言及されていない。 実験の結果,抽出したアイソ表面の精度と人間の知覚との間に直接的関係は認められなかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There are various methods for extracting iso-surfaces from volumetric data. Marching cubes or tetrahedra or raytracing methods are mostly used. There are many specific techniques to increase speed of computation and decrease memory requirements. Although a precision of iso-surface extraction is very important, too, it is not mentioned usually. A comparison of the selected methods was made in different aspects: iso-surface extraction process time, number of triangles generated and estimation of radius, area and volume errors based on approximation of a sphere. Surprisingly, experiments proved that there is no direct relation between precision of extracted and human perception of the extracted iso-surface
• Abstract（参考訳）: 体積データからiso表面を抽出する方法は様々である。 マーチング立方体、テトラヘドラまたはレイトレーシング法が主に用いられる。 計算速度の向上やメモリ要件の削減には,具体的なテクニックが数多くある。 等表面抽出の精度は非常に重要であるが、通常は言及されない。 選択された方法の比較は,iso-surface抽出過程時間,生成する三角形の数,半径の推定,面積,体積誤差など,球面の近似に基づいて異なる側面で行った。 驚くべきことに, 抽出されたiso-surfaceの精度と人間の知覚には直接関係がないことが実証された。

関連論文リスト

• Improving Efficiency of Iso-Surface Extraction on Implicit Neural Representations Using Uncertainty Propagation [32.329370320329005]
  Inlicit Neural representations (INR) は、科学的データ削減と可視化に広く用いられている。 レンジ解析は、3次元測地におけるINR上の幾何的クエリの効率を向上する有望な結果を示している。 本稿では,算術規則を再検討し,空間領域内におけるネットワーク出力の確率分布を解析することにより,範囲解析のための改良手法を提案する。
  論文  参考訳（メタデータ） (2024-02-21T15:10:20Z)
• Masking Hyperspectral Imaging Data with Pretrained Models [11.101345527313438]
  不要なリージョンをマスキングすることが、この問題に対処する鍵となる。 関心領域のみの処理は、計算コスト、必要なメモリ、全体的なパフォーマンスの点で顕著な改善をもたらす。 提案した処理パイプラインは、関心マスク生成領域の2つの基本部分を含み、次いで、新たにマスクされたハイパースペクトルキューブにのみハイパースペクトルデータ処理技術を適用する。
  論文  参考訳（メタデータ） (2023-11-06T12:08:35Z)
• Segmentation of 3D pore space from CT images using curvilinear skeleton: application to numerical simulation of microbial decomposition [1.0485739694839669]
  グレーレベル3次元CTスキャナ画像から、単純な画像処理ツールを用いて、孔空間のボクセルベースの記述(最大数億のボクセル)を抽出することができる。 いくつかの最近の研究は, 排水, 拡散, 微生物分解の数値シミュレーションのために, 細孔空間のピースワイズ近似を定義するための基本解析体積プリミティブを提案する。 そこで本研究では,カービリナースケルトンから計算したボクセル(領域)の幾何学的に関連付けられた連結部分集合を用いて,孔間空間を記述する別の方法について検討する。
  論文  参考訳（メタデータ） (2023-09-04T13:51:40Z)
• Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
  LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。 我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。 また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-02-14T22:12:16Z)
• NeuralMeshing: Differentiable Meshing of Implicit Neural Representations [63.18340058854517]
  ニューラルな暗黙表現から表面メッシュを抽出する新しい微分可能なメッシュアルゴリズムを提案する。 本手法は,通常のテッセルレーションパターンと,既存の手法に比べて三角形面の少ないメッシュを生成する。
  論文  参考訳（メタデータ） (2022-10-05T16:52:25Z)
• Residual Overfit Method of Exploration [78.07532520582313]
  提案手法は,2点推定値の調整と1点オーバーフィットに基づく近似探索手法を提案する。 このアプローチは、調整されたモデルと比較して、オーバーフィットモデルが最も過度な適合を示すアクションへの探索を促進する。 ROMEを3つのデータセット上の確立されたコンテキスト的帯域幅法と比較し、最も優れたパフォーマンスの1つとみなす。
  論文  参考訳（メタデータ） (2021-10-06T17:05:33Z)
• Differentiable Surface Rendering via Non-Differentiable Sampling [19.606523934811577]
  本稿では,明暗表現と暗示表現の両方をサポートする3次元曲面の微分可能レンダリング法を提案する。 ニューラルレイディアンス場(NeRF)から抽出したアイソの高速で微分可能なレンダリングを初めて示し, ボリュームベースではなく, 表面ベースでNeRFのレンダリングを実証した。
  論文  参考訳（メタデータ） (2021-08-10T19:25:06Z)
• Manifold Hypothesis in Data Analysis: Double Geometrically-Probabilistic Approach to Manifold Dimension Estimation [92.81218653234669]
  本稿では, 多様体仮説の検証と基礎となる多様体次元推定に対する新しいアプローチを提案する。 我々の幾何学的手法はミンコフスキー次元計算のためのよく知られたボックスカウントアルゴリズムのスパースデータの修正である。 実データセットの実験では、2つの手法の組み合わせに基づく提案されたアプローチが強力で効果的であることが示されている。
  論文  参考訳（メタデータ） (2021-07-08T15:35:54Z)
• A machine learning-based method for estimating the number and orientations of major fascicles in diffusion-weighted magnetic resonance imaging [7.032850705203263]
  本稿では,ボクセル内のファシクルを正確に推定するマシンベース手法を提案する。 我々の手法はシミュレーションまたは実測値で訓練することができる。
  論文  参考訳（メタデータ） (2020-06-19T13:07:45Z)
• Augmented Sliced Wasserstein Distances [55.028065567756066]
  拡張スライスされたワッサーシュタイン距離(ASWD)と呼ばれる新しい距離測定法を提案する。 ASWDは、ニューラルネットワークによってパラメータ化された高次元超曲面への最初のマッピングサンプルによって構成される。 数値的な結果から、ASWDは、合成問題と実世界の問題の両方において、他のワッサーシュタイン変種を著しく上回っていることが示されている。
  論文  参考訳（メタデータ） (2020-06-15T23:00:08Z)
• Carath\'eodory Sampling for Stochastic Gradient Descent [79.55586575988292]
  本稿では,Tchakaloff と Carath'eodory の古典的な結果から着想を得た手法を提案する。 我々は、測定値の低減を行う降下ステップを適応的に選択する。 これをBlock Coordinate Descentと組み合わせることで、測定の削減を極めて安価に行えるようにします。
  論文  参考訳（メタデータ） (2020-06-02T17:52:59Z)

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。