Fugu-MT 論文翻訳(概要): Synthetic-to-real Composite Semantic Segmentation in Additive Manufacturing

論文の概要: Synthetic-to-real Composite Semantic Segmentation in Additive Manufacturing

arxiv url: http://arxiv.org/abs/2210.07466v1
Date: Fri, 14 Oct 2022 02:32:14 GMT
ステータス: 処理完了
システム内更新日: 2022-10-17 17:46:45.217479
Title: Synthetic-to-real Composite Semantic Segmentation in Additive Manufacturing
Title（参考訳）: 添加物製造における合成-実合成意味セグメンテーション
Authors: Aliaksei Petsiuk, Harnoor Singh, Himanshu Dadhwal, Joshua M. Pearce
Abstract要約: この研究は、ラベル付き画像データセット生成に物理ベースのレンダリングを使用する可能性を示す。実験の結果, 上部層, 充填層, シェル層, 支持層などの3次元プリント部品の構造成分を検出する能力が確認された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: The application of computer vision and machine learning methods in the field of additive manufacturing (AM) for semantic segmentation of the structural elements of 3-D printed products will improve real-time failure analysis systems and can potentially reduce the number of defects by enabling in situ corrections. This work demonstrates the possibilities of using physics-based rendering for labeled image dataset generation, as well as image-to-image translation capabilities to improve the accuracy of real image segmentation for AM systems. Multi-class semantic segmentation experiments were carried out based on the U-Net model and cycle generative adversarial network. The test results demonstrated the capacity of detecting such structural elements of 3-D printed parts as a top layer, infill, shell, and support. A basis for further segmentation system enhancement by utilizing image-to-image style transfer and domain adaptation technologies was also developed. The results indicate that using style transfer as a precursor to domain adaptation can significantly improve real 3-D printing image segmentation in situations where a model trained on synthetic data is the only tool available. The mean intersection over union (mIoU) scores for synthetic test datasets included 94.90% for the entire 3-D printed part, 73.33% for the top layer, 78.93% for the infill, 55.31% for the shell, and 69.45% for supports.
Abstract（参考訳）: 3Dプリント製品の構造要素のセマンティックセグメンテーションにおけるコンピュータビジョンと機械学習の応用は、リアルタイムの故障解析システムを改善し、その場修正を有効にすることで欠陥の数を減らす可能性がある。本研究は,ラベル付き画像データセット生成のための物理ベースのレンダリングと,AMシステムにおける実画像分割の精度向上のための画像から画像への変換機能の可能性を示す。マルチクラスセマンティックセグメンテーション実験は,U-Netモデルとサイクル生成対向ネットワークに基づいて行った。実験の結果, 上部層, 充填層, シェル層, 支持層などの3次元プリント部品の構造成分を検出する能力が確認された。画像から画像へのスタイル変換とドメイン適応技術を活用した、さらなるセグメンテーションシステム拡張の基礎も開発された。以上の結果から,合成データを用いたモデルが利用可能な唯一のツールである場合,実際の3次元印刷画像のセグメンテーションを大幅に改善できることが示唆された。合成試験データセットの平均交叉点(mIoU)スコアは3Dプリントされた部分全体の94.90%、最上層が73.33%、埋蔵層が78.93%、貝殻が55.31%、支持層が69.45%であった。

関連論文リスト

Swin Transformer for Robust Differentiation of Real and Synthetic Images: Intra- and Inter-Dataset Analysis [0.0]
本研究では,自然画像と合成画像の正確な識別のためのSwin Transformerモデルを提案する。モデルの性能は、3つの異なるデータセットにわたるデータセット内およびデータセット間テストによって評価された。
論文参考訳（メタデータ） (2024-09-07T06:43:17Z)
Hardness-Aware Scene Synthesis for Semi-Supervised 3D Object Detection [59.33188668341604]
3次元物体検出は、自律運転知覚の基本的なタスクとして機能する。ポイントクラウドデータのための高品質なアノテーションを得るためには、コストがかかる。本稿では,適応型合成シーンを生成するために,ハードネス対応シーン合成(HASS)手法を提案する。
論文参考訳（メタデータ） (2024-05-27T17:59:23Z)
Learning from Models and Data for Visual Grounding [55.21937116752679]
データ駆動学習と様々な大規模事前学習モデルからの知識伝達を組み合わせたフレームワークであるSynGroundを紹介する。マスク注意目的を最適化することにより、トレーニング済みの視覚・言語モデルをこのデータセット上に微調整する。得られたモデルは、既成のビジョン・アンド・ランゲージモデルの接地能力を向上する。
論文参考訳（メタデータ） (2024-03-20T17:59:43Z)
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)
Pallet Detection from Synthetic Data Using Game Engines [0.0]
本研究は, ゲームエンジンを用いて, パレットセグメンテーションの文脈において, 機械学習のための合成トレーニングデータを生成することの実現可能性を評価することを目的とする。我々は,3次元モデルから大量の注釈付きトレーニングデータを画素完全精度で自動生成できるツールを開発した。
論文参考訳（メタデータ） (2023-04-07T11:54:40Z)
Semantic Image Synthesis via Diffusion Models [159.4285444680301]
Denoising Diffusion Probabilistic Models (DDPM) は様々な画像生成タスクにおいて顕著な成功を収めた。セマンティック画像合成に関する最近の研究は、主に「GAN(Generative Adversarial Nets)」に追従している。
論文参考訳（メタデータ） (2022-06-30T18:31:51Z)
From Synthetic to Real: Image Dehazing Collaborating with Unlabeled Real Data [58.50411487497146]
ラベルのない実データと協調する新しい画像デハージングフレームワークを提案する。まず,特徴表現を3つの成分マップに切り離す不整合画像デハージングネットワーク(DID-Net)を開発する。そして、無ラベルの実データと協調して単一画像のデハージングを促進するために、不整合平均教師ネットワーク(DMT-Net)を用いる。
論文参考訳（メタデータ） (2021-08-06T04:00:28Z)
A modular U-Net for automated segmentation of X-ray tomography images in composite materials [0.0]
ディープラーニングは、物質科学の応用を含む多くの画像処理タスクで成功している。本稿では, 3相ガラス繊維強化ポリアミド66の3次元トモグラフィー画像の分割を行うために, UNetのモジュラー解釈を提案し, 訓練した。注釈付き層は10層に過ぎず, 浅いU-Netを使用すれば, より深い層よりも優れた結果が得られることが観察された。
論文参考訳（メタデータ） (2021-07-15T17:15:24Z)
Automatic Volumetric Segmentation of Additive Manufacturing Defects with 3D U-Net [0.0]
AMサンプルのXCT画像の欠陥を自動的に分割する3次元U-Netモデルを提案する。この研究は、AM欠陥検出のための機械学習の使用に寄与し、AMにおける3Dセグメンテーションを初めて示す。
論文参考訳（メタデータ） (2021-01-22T08:24:54Z)
Multi-Spectral Image Synthesis for Crop/Weed Segmentation in Precision Farming [3.4788711710826083]
本稿では, 精密農業における作物・雑草の分枝化問題に適用し, 共通データ増分法に関する代替手法を提案する。我々は、最も関連性の高いオブジェクトクラス(作物や雑草)を合成されたクラスに置き換えることで、半人工的なサンプルを作成する。 RGBデータに加えて、近赤外(NIR)情報も考慮し、4つのチャネルマルチスペクトル合成画像を生成する。
論文参考訳（メタデータ） (2020-09-12T08:49:36Z)
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。