論文の概要: Automated processing of X-ray computed tomography images via panoptic
segmentation for modeling woven composite textiles
- arxiv url: http://arxiv.org/abs/2202.01265v1
- Date: Wed, 2 Feb 2022 19:59:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-04 14:49:22.004746
- Title: Automated processing of X-ray computed tomography images via panoptic
segmentation for modeling woven composite textiles
- Title（参考訳）: 複合織物モデリングのためのパンオプティカルセグメンテーションによるx線ct画像の自動処理
- Authors: Aaron Allred, Lauren J. Abbott, Alireza Doostan, and Kurt Maute
- Abstract要約: 織物の3次元ディジタルジオメトリを自動生成する機械学習による新しい手法を提案する。
パノプティックセグメンテーションを利用して、X線CT(Computerd Tomography)画像からインスタンスセグメンテーションセグメンテーションマスクを生成する。
また, 異なる形状, テクスチャ, コントラストのCT画像に対して, トレーニングセットに類似する新しいCT画像に対して, パン光学セグメントネットワークがよく一般化されていることがわかった。
- 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: A new, machine learning-based approach for automatically generating 3D
digital geometries of woven composite textiles is proposed to overcome the
limitations of existing analytical descriptions and segmentation methods. In
this approach, panoptic segmentation is leveraged to produce instance segmented
semantic masks from X-ray computed tomography (CT) images. This effort
represents the first deep learning based automated process for segmenting
unique yarn instances in a woven composite textile. Furthermore, it improves on
existing methods by providing instance-level segmentation on low contrast CT
datasets. Frame-to-frame instance tracking is accomplished via an
intersection-over-union (IoU) approach adopted from video panoptic segmentation
for assembling a 3D geometric model. A corrective recognition algorithm is
developed to improve the recognition quality (RQ). The panoptic quality (PQ)
metric is adopted to provide a new universal evaluation metric for
reconstructed woven composite textiles. It is found that the panoptic
segmentation network generalizes well to new CT images that are similar to the
training set but does not extrapolate well to CT images of differing geometry,
texture, and contrast. The utility of this approach is demonstrated by
capturing yarn flow directions, contact regions between individual yarns, and
the spatially varying cross-sectional areas of the yarns.
- Abstract（参考訳）: 織物織物の3次元ディジタルジオメトリを自動生成する機械学習に基づく新しい手法を提案し,既存の解析記述とセグメンテーション手法の限界を克服した。
本手法では,X線CT(Computerd tomography)画像からパノプティクスのセマンティックマスクを生成するために,パノプティクスのセマンティック化を利用する。
この取り組みは、織物織物でユニークな糸のインスタンスをセグメンテーションする最初のディープラーニングベースの自動化プロセスを表している。
さらに、低コントラストCTデータセットにインスタンスレベルのセグメンテーションを提供することにより、既存の手法を改善する。
フレーム・ツー・フレームのインスタンス追跡は、3次元幾何学モデルを構築するためにビデオパノミックセグメンテーションから採用されたintersection-over-union(iou)アプローチによって達成される。
認識品質(RQ)を改善するために補正認識アルゴリズムを開発する。
パンオプティカル品質(pq)指標は、再構成複合繊維の新たな普遍的評価基準として採用されている。
また, 異なる形状, テクスチャ, コントラストのCT画像に対して, トレーニングセットに類似する新しいCT画像に対して, パン光学セグメントネットワークがよく一般化されていることがわかった。
本手法の有用性は,糸の流れ方向,個々の糸間の接触領域,および糸の空間的に変化する断面積を捉えることで示される。
関連論文リスト
- DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。
幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。
テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
論文 参考訳（メタデータ） (2024-11-03T15:15:01Z) - Mismatched: Evaluating the Limits of Image Matching Approaches and Benchmarks [9.388897214344572]
2次元画像からの3次元3次元再構成はコンピュータビジョンにおける活発な研究分野である。
伝統的にこの作業にはパラメトリック技術が用いられてきた。
近年の進歩は、学習ベースの方法にシフトしている。
論文 参考訳（メタデータ） (2024-08-29T11:16:34Z) - ShapeMamba-EM: Fine-Tuning Foundation Model with Local Shape Descriptors and Mamba Blocks for 3D EM Image Segmentation [49.42525661521625]
本稿では3次元EMセグメンテーションのための特殊微調整法であるShapeMamba-EMを提案する。
5つのセグメンテーションタスクと10のデータセットをカバーする、幅広いEMイメージでテストされている。
論文 参考訳（メタデータ） (2024-08-26T08:59:22Z) - DCN-T: Dual Context Network with Transformer for Hyperspectral Image
Classification [109.09061514799413]
複雑な撮像条件による空間変動のため,HSI分類は困難である。
本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。
提案手法は,HSI分類における最先端手法よりも優れている。
論文 参考訳（メタデータ） (2023-04-19T18:32:52Z) - Joint Learning of Deep Texture and High-Frequency Features for
Computer-Generated Image Detection [24.098604827919203]
本稿では,CG画像検出のための深いテクスチャと高周波特徴を有する共同学習戦略を提案する。
セマンティックセグメンテーションマップを生成して、アフィン変換操作を誘導する。
原画像と原画像の高周波成分の組み合わせを、注意機構を備えたマルチブランチニューラルネットワークに供給する。
論文 参考訳（メタデータ） (2022-09-07T17:30:40Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Projective Skip-Connections for Segmentation Along a Subset of
Dimensions in Retinal OCT [5.252775177165399]
医療画像では、出力マスクが入力画像次元のサブセットへの投影である、臨床的に関連するセグメンテーションタスクが存在する。
より低次元のセグメンテーションマスクを効果的に生成できる新しい畳み込みニューラルネットワークアーキテクチャを提案する。
ネットワークは、入力された空間次元のサブセットにのみ符号化された表現を復元し、他の部分で表現を変更せずに保持する。
論文 参考訳（メタデータ） (2021-08-02T12:41:58Z) - Automatic size and pose homogenization with spatial transformer network
to improve and accelerate pediatric segmentation [51.916106055115755]
空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。
私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。
腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
論文 参考訳（メタデータ） (2021-07-06T14:50:03Z) - LEARN++: Recurrent Dual-Domain Reconstruction Network for Compressed
Sensing CT [17.168584459606272]
LEARN++モデルは、2つの並列およびインタラクティブワークを統合して、画像と投影ドメインの両方で画像復元とシングラムインペインティング操作を同時に実行します。
その結果,learn++モデルは,アーティファクトの削減と細部保存の両面で,いくつかの最先端手法と比較して,競争力のある質的,定量的な結果が得られることがわかった。
論文 参考訳（メタデータ） (2020-12-13T07:00:50Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。