Fugu-MT 論文翻訳(概要): Density Estimation from Schlieren Images through Machine Learning

論文の概要: Density Estimation from Schlieren Images through Machine Learning

arxiv url: http://arxiv.org/abs/2201.05233v1
Date: Thu, 13 Jan 2022 22:16:28 GMT
ステータス: 処理完了
システム内更新日: 2022-01-17 14:52:46.124432
Title: Density Estimation from Schlieren Images through Machine Learning
Title（参考訳）: 機械学習によるシュリーレン画像からの密度推定
Authors: Bryn Noel Ubald (1), Pranay Seshadri (1 and 2), Andrew Duncan (1 and 2) ((1) The Alan Turing Institute, (2) Imperial College London)
Abstract要約: 本研究では,シュリエレン画像から定量情報を抽出する手法を提案する。風洞スティングモデルと飛行中の超音速航空機から得られたシュリエレン画像について述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This study proposes a radically alternate approach for extracting quantitative information from schlieren images. The method uses a scaled, derivative enhanced Gaussian process model to obtain true density estimates from two corresponding schlieren images with the knife-edge at horizontal and vertical orientations. We illustrate our approach on schlieren images taken from a wind tunnel sting model, and a supersonic aircraft in flight.
Abstract（参考訳）: 本研究では,シュリエレン画像から定量情報を抽出する手法を提案する。本手法では, 水平方向と垂直方向のナイフ縁を持つ2つのシュリーレン画像から実密度推定値を得るために, 拡張ガウス過程モデルを用いた。風洞スチングモデルと超音速航空機によるシュリーレン画像に対する我々のアプローチを解説する。

関連論文リスト

Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
論文参考訳（メタデータ） (2024-11-17T17:45:37Z)
Learning Efficient and Effective Trajectories for Differential Equation-based Image Restoration [59.744840744491945]
我々は, この手法の軌道最適化を再構築し, 復元品質と効率の両立に焦点をあてる。本稿では,複雑な経路を適応可能なサイズで複数の管理可能なステップに合理化するためのコスト対応トラジェクトリー蒸留法を提案する。実験では提案手法の有意な優位性を示し, 最先端手法よりも最大2.1dBのPSNR改善を実現した。
論文参考訳（メタデータ） (2024-10-07T07:46:08Z)
ReNoise: Real Image Inversion Through Iterative Noising [62.96073631599749]
本研究では,操作数を増やすことなく,高い品質と操作率の逆転法を導入し,再現精度を向上する。我々は,近年の高速化拡散モデルを含む様々なサンプリングアルゴリズムとモデルを用いて,Renoise手法の性能を評価する。
論文参考訳（メタデータ） (2024-03-21T17:52:08Z)
Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
論文参考訳（メタデータ） (2023-09-18T09:36:24Z)
Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文参考訳（メタデータ） (2023-06-01T03:08:28Z)
Second-order Anisotropic Gaussian Directional Derivative Filters for Blob Detection [26.777330356523954]
関心点検出手法は注目度が高く,画像検索や3次元再構成などのコンピュータビジョンタスクに広く利用されている。本研究では,複数スケールの2次異方性ガウス方向微分フィルタを用いて入力画像の平滑化を行い,新しいブロブ検出法を提案する。
論文参考訳（メタデータ） (2023-04-30T09:32:16Z)
DAG: Depth-Aware Guidance with Denoising Diffusion Probabilistic Models [23.70476220346754]
拡散モデルの豊かな中間表現から得られた推定深度情報を利用する拡散モデルのための新しいガイダンス手法を提案する。実験と広範囲にわたるアブレーション研究により,幾何学的に妥当な画像生成に向けた拡散モデルの導出における本手法の有効性が示された。
論文参考訳（メタデータ） (2022-12-17T12:47:19Z)
Multi-scale Image Decomposition using a Local Statistical Edge Model [0.0]
サブウィンドウ分散フィルタという新しい非線形フィルタを用いたプログレッシブ画像分解手法を提案する。本手法は,画像のディテール向上のために特別に設計されている。
論文参考訳（メタデータ） (2021-05-05T09:38:07Z)
DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring [66.91879314310842]
本稿では,古典的なWienerデコンボリューションフレームワークを学習深い特徴と統合することにより,特徴空間における明示的なデコンボリューションプロセスを提案する。マルチスケールのカスケード機能改善モジュールは、分離された深い特徴から退色画像を予測する。提案したDeep Wienerデコンボリューションネットワークは,目に見える成果物が少なく,かつ,最先端の非盲点画像デコンボリューション手法を広いマージンで定量的に上回っていることを示す。
論文参考訳（メタデータ） (2021-03-18T00:38:11Z)
Distortion-Adaptive Grape Bunch Counting for Omnidirectional Images [9.963881019390593]
従来のオブジェクトカウント法では、全方位画像の歪みを処理できない。全方位画像の立体投影のための新しいデータ拡張法を提案する。提案手法は従来の手法よりも優れ,平均絶対誤差を14.7%,平均二乗誤差を10.5%向上させる。
論文参考訳（メタデータ） (2020-08-28T07:17:34Z)

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。