論文の概要: Level set based particle filter driven by optical flow: an application
to track the salt boundary from X-ray CT time-series
- arxiv url: http://arxiv.org/abs/2202.08717v1
- Date: Thu, 17 Feb 2022 15:46:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-18 15:49:06.885615
- Title: Level set based particle filter driven by optical flow: an application
to track the salt boundary from X-ray CT time-series
- Title（参考訳）: オプティカルフローにより駆動されるレベルセットに基づく粒子フィルタ:x線ct時系列からの塩境界追跡への応用
- Authors: Karim Makki and Jean Fran\c{c}ois Lecomte and Lukas Fuchs and Sylvie
Schueller and Etienne M\'emin
- Abstract要約: 本研究では,X線CT(Computerd tomography)画像時系列からの並列フィルタリング手法を用いて,塩境界の経時的非線形変形を決定することを目的とする。
この研究は、モデルの不確実性を考慮に入れた物理モデリングと高度な画像処理手法を統合するための第一歩である。
- 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: Image-based computational fluid dynamics have long played an important role
in leveraging knowledge and understanding of several physical phenomena. In
particular, probabilistic computational methods have opened the way to
modelling the complex dynamics of systems in purely random turbulent motion. In
the field of structural geology, a better understanding of the deformation and
stress state both within the salt and the surrounding rocks is of great
interest to characterize all kinds of subsurface long-terms energy-storage
systems. The objective of this research is to determine the non-linear
deformation of the salt boundary over time using a parallelized, stochastic
filtering approach from x-ray computed tomography (CT) image time series
depicting the evolution of salt structures triggered by gravity and under
differential loading. This work represents a first step towards bringing
together physical modeling and advanced stochastic image processing methods
where model uncertainty is taken into account.
- Abstract（参考訳）: 画像に基づく計算流体力学は、様々な物理現象の知識と理解を活用する上で、長い間重要な役割を担ってきた。
特に確率論的計算法は、純粋にランダムな乱流運動におけるシステムの複雑な力学をモデル化する方法を開いた。
構造地質学の分野では、塩と周囲の岩石の双方における変形と応力状態のより深い理解が、あらゆる地下の長期エネルギー貯蔵システムの特徴付けに非常に興味がある。
本研究の目的は,X線CT(Computed Tomography, CT)画像時系列から, 重力および差分荷重下での塩構造の進化を示す並列的, 確率的フィルタリング手法を用いて, 時間とともに塩境界の非線形変形を決定することである。
この研究は、モデルの不確実性を考慮した物理モデリングと高度な確率画像処理手法を統合するための第一歩である。
関連論文リスト
- Learning Pore-scale Multi-phase Flow from Experimental Data with Graph Neural Network [2.2101344151283944]
現在の数値モデルは、しばしば実験で観測された複雑な細孔スケールの物理学を正確に捉えることができない。
我々は,マイクロCT実験データを用いて,グラフニューラルネットワークを用いた多孔質流体の流れを直接学習する手法を提案する。
論文 参考訳（メタデータ） (2024-11-21T15:01:17Z) - Learning to Approximate Particle Smoothing Trajectories via Diffusion Generative Models [16.196738720721417]
希少な観測からシステムを学ぶことは、生物学、金融学、物理学など多くの分野において重要である。
本研究では,条件付き粒子フィルタリングと祖先サンプリングと拡散モデルを統合する手法を提案する。
車両追跡や単一セルRNAシークエンシングデータなど,時系列生成とタスクにおけるアプローチを実証する。
論文 参考訳（メタデータ） (2024-06-01T21:54:01Z) - Vision-Informed Flow Image Super-Resolution with Quaternion Spatial
Modeling and Dynamic Flow Convolution [49.45309818782329]
フロー画像超解像(FISR)は、低分解能フロー画像から高分解能乱流速度場を復元することを目的としている。
既存のFISR法は主に自然画像パターンのフロー画像を処理する。
第一流れの視覚特性インフォームドFISRアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-01-29T06:48:16Z) - Prediction of Diblock Copolymer Morphology via Machine Learning [0.0]
長い時間スケールでのブロックポリマーのモルフォロジー進化の計算を高速化するための機械学習手法が提案されている。
経験的消滅モデルとは対照的に,提案手法は粒子シミュレーションから直接連続的に駆動される欠陥過程について学習する。
この研究は、指向的な自己組織化とマイクロエレクトロニクス、電池材料、膜における材料設計に影響を及ぼす。
論文 参考訳（メタデータ） (2023-08-31T17:45:34Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Pixelated Reconstruction of Foreground Density and Background Surface
Brightness in Gravitational Lensing Systems using Recurrent Inference
Machines [116.33694183176617]
我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。
従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
論文 参考訳（メタデータ） (2023-01-10T19:00:12Z) - NeuroFluid: Fluid Dynamics Grounding with Particle-Driven Neural
Radiance Fields [65.07940731309856]
深層学習は流体のような複雑な粒子系の物理力学をモデル化する大きな可能性を示している。
本稿では,流体力学グラウンドリング(fluid dynamics grounding)として知られる,部分的に観測可能なシナリオについて考察する。
我々はNeuroFluidという2段階の異なるネットワークを提案する。
初期形状、粘度、密度が異なる流体の基礎物理学を合理的に推定することが示されている。
論文 参考訳（メタデータ） (2022-03-03T15:13:29Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳（メタデータ） (2022-02-22T15:39:00Z) - Dynamic multi feature-class Gaussian process models [0.0]
本研究では, 医用画像における形状, ポーズ, 強度特徴の自動学習のための統計的モデリング手法を提案する。
DMFC-GPM (DMFC-GPM) はガウス過程(GP)に基づくモデルであり、線形および非線形の変動を符号化する潜在空間を共有する。
モデル性能の結果は、この新しいモデリングパラダイムが堅牢で、正確で、アクセス可能であり、潜在的な応用があることを示唆している。
論文 参考訳（メタデータ） (2021-12-08T15:12:47Z) - Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。
能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。
その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文 参考訳（メタデータ） (2021-06-05T01:31:51Z) - Spatiotemporal tomography based on scattered multiangular signals and
its application for resolving evolving clouds using moving platforms [0.0]
我々は,少数の移動カメラを用いて,経時的に変化する体積物体のCT(Computerd tomography)を導出した。
我々は、雲が地球の気候に大きな影響を与えるため、ダイナミックな雲に対するアプローチを実証する。
論文 参考訳（メタデータ） (2020-12-06T09:22:08Z)
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。