Fugu-MT 論文翻訳(概要): Automated Surface Texture Analysis via Discrete Cosine Transform and Discrete Wavelet Transform

論文の概要: Automated Surface Texture Analysis via Discrete Cosine Transform and Discrete Wavelet Transform

arxiv url: http://arxiv.org/abs/2204.05968v1
Date: Tue, 12 Apr 2022 17:30:43 GMT
ステータス: 処理完了
システム内更新日: 2022-04-13 14:30:09.157201
Title: Automated Surface Texture Analysis via Discrete Cosine Transform and Discrete Wavelet Transform
Title（参考訳）: 離散コサイン変換と離散ウェーブレット変換による表面自動テクスチャ解析
Authors: Melih C. Yesilli, Jisheng Chen, Firas A. Khasawneh, Yang Guo
Abstract要約: 情報理論と信号エネルギーに基づく2つの自動しきい値選択アルゴリズムを提案する。その結果,平均的精度は95%と良好な一致を示した。
参考スコア（独自算出の注目度）: 2.3915097884016845
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Surface roughness and texture are critical to the functional performance of engineering components. The ability to analyze roughness and texture effectively and efficiently is much needed to ensure surface quality in many surface generation processes, such as machining, surface mechanical treatment, etc. Discrete Wavelet Transform (DWT) and Discrete Cosine Transform (DCT) are two commonly used signal decomposition tools for surface roughness and texture analysis. Both methods require selecting a threshold to decompose a given surface into its three main components: form, waviness, and roughness. However, although DWT and DCT are part of the ISO surface finish standards, there exists no systematic guidance on how to compute these thresholds, and they are often manually selected on case by case basis. This makes utilizing these methods for studying surfaces dependent on the user's judgment and limits their automation potential. Therefore, we present two automatic threshold selection algorithms based on information theory and signal energy. We use machine learning to validate the success of our algorithms both using simulated surfaces as well as digital microscopy images of machined surfaces. Specifically, we generate feature vectors for each surface area or profile and apply supervised classification. Comparing our results with the heuristic threshold selection approach shows good agreement with mean accuracies as high as 95\%. We also compare our results with Gaussian filtering (GF) and show that while GF results for areas can yield slightly higher accuracies, our results outperform GF for surface profiles. We further show that our automatic threshold selection has significant advantages in terms of computational time as evidenced by decreasing the number of mode computations by an order of magnitude compared to the heuristic thresholding for DCT.
Abstract（参考訳）: 表面粗さとテクスチャは、エンジニアリングコンポーネントの機能性能に不可欠である。加工や表面機械処理などの多くの表面生成プロセスにおいて表面品質を確保するためには, 粗さやテクスチャを効果的かつ効率的に解析する能力が必要である。離散ウェーブレット変換(dwt)と離散コサイン変換(dct)は、表面粗さとテクスチャ解析によく用いられる2つの信号分解ツールである。どちらの方法も、与えられた表面を3つの主成分(形、和らぎ、粗さ)に分解する閾値を選択する必要がある。しかし、DWTとDCTはISOサーフェスフィニッシュ標準の一部であるものの、これらのしきい値の計算方法に関する体系的なガイダンスは存在せず、ケースベースでしばしば手動で選択される。これにより、これらの手法をユーザの判断に依存する表面の研究に利用し、自動化の可能性を制限することができる。そこで,情報理論と信号エネルギーに基づく2つの自動しきい値選択アルゴリズムを提案する。我々は機械学習を用いて、シミュレーションされた表面と、人工表面のデジタル顕微鏡画像の両方を用いて、アルゴリズムの成功を検証する。具体的には,各表面積やプロファイルの特徴ベクトルを生成し,教師付き分類を適用する。本結果とヒューリスティックしきい値選択法を比較したところ, 平均精度は95%と良好であった。また, この結果とGaussian filtering (GF) を比較し, 面積のGF値はわずかに高い精度を示すが, 表面プロファイルではGFよりも優れていた。さらに,我々の自動しきい値選択は,DCTのヒューリスティックしきい値決定と比較して,モード計算の桁数を大幅に減らすことにより,計算時間の面で大きな利点があることを示した。

関連論文リスト

GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを明示的な幾何学的ガイダンスと微分可能なPBR方程式で拡張する新しいハイブリッド表現である。多様なデータセットにわたる総合的な評価は、GeoSplattingの優位性を示している。
論文参考訳（メタデータ） (2024-10-31T17:57:07Z)
Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
論文参考訳（メタデータ） (2024-05-23T14:39:52Z)
Surface Normal Estimation with Transformers [11.198936434401382]
ノイズと密度の変動を考慮した点群から正規分布を正確に予測する変換器を提案する。本手法は,合成形状データセットPCPNetと実世界の屋内シーンPCPNNの両方で最先端の性能を実現する。
論文参考訳（メタデータ） (2024-01-11T08:52:13Z)
Conformal Predictions Enhanced Expert-guided Meshing with Graph Neural Networks [8.736819316856748]
本稿では,GNN(Graph Neural Networks)とエキスパートガイダンスを用いて,航空機モデルのためのCFDメッシュの自動生成を行う機械学習方式を提案する。曲面分類のための2つの最先端モデルであるPointNet++とPointMLPより優れた3次元分割アルゴリズムを提案する。また,3次元メッシュ分割モデルからCAD表面への射影予測を共形予測法を用いて提案する手法を提案する。
論文参考訳（メタデータ） (2023-08-14T14:39:13Z)
Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
論文参考訳（メタデータ） (2023-08-10T06:40:19Z)
Predicting Surface Texture in Steel Manufacturing at Speed [81.90215579427463]
亜鉛めっきおよび熱間圧延過程における鋼板の表面テクスチャの制御は,顧客要求を満たすために不可欠である。本稿では,インラインレーザ反射計測から表面特性予測への変換精度向上のための機械学習の利用を提案する。
論文参考訳（メタデータ） (2023-01-20T12:11:03Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
Data-driven and Automatic Surface Texture Analysis Using Persistent Homology [1.370633147306388]
合成表面の粗さレベルを分類するためのトポロジカルデータ解析(TDA)手法を提案する。我々は、表面の形状に関する情報をカプセル化する永続化図を生成する。次に、Carlsson座標、永続画像、テンプレート関数を用いて、各表面またはプロファイルの特徴行列を求める。
論文参考訳（メタデータ） (2021-10-19T14:19:58Z)
Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文参考訳（メタデータ） (2021-02-15T10:37:52Z)

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。