Fugu-MT 論文翻訳(概要): The secret role of undesired physical effects in accurate shape sensing with eccentric FBGs

論文の概要: The secret role of undesired physical effects in accurate shape sensing with eccentric FBGs

arxiv url: http://arxiv.org/abs/2210.16316v1
Date: Fri, 28 Oct 2022 09:07:08 GMT
ステータス: 処理完了
システム内更新日: 2022-11-01 19:48:47.246637
Title: The secret role of undesired physical effects in accurate shape sensing with eccentric FBGs
Title（参考訳）: 偏心FBGを用いた正確な形状計測における望ましくない物理的効果の秘密
Authors: Samaneh Manavi Roodsari, Sara Freund, Martin Angelmahr, Georg Rauter, Azhar Zam, Wolfgang Schade, and Philippe C. Cattin
Abstract要約: 偏心ファイバブラッググレーティング(FBG)は安価でファブリケートな形状のセンサーであり、単純な設定でしばしば尋問される。本稿では,これらの限界を克服し,正確な形状推定を行う新しい手法を提案する。
参考スコア（独自算出の注目度）: 1.0805335573008565
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fiber optic shape sensors have enabled unique advances in various navigation tasks, from medical tool tracking to industrial applications. Eccentric fiber Bragg gratings (FBG) are cheap and easy-to-fabricate shape sensors that are often interrogated with simple setups. However, using low-cost interrogation systems for such intensity-based quasi-distributed sensors introduces further complications to the sensor's signal. Therefore, eccentric FBGs have not been able to accurately estimate complex multi-bend shapes. Here, we present a novel technique to overcome these limitations and provide accurate and precise shape estimation in eccentric FBG sensors. We investigate the most important bending-induced effects in curved optical fibers that are usually eliminated in intensity-based fiber sensors. These effects contain shape deformation information with a higher spatial resolution that we are now able to extract using deep learning techniques. We design a deep learning model based on a convolutional neural network that is trained to predict shapes given the sensor's spectra. We also provide a visual explanation, highlighting wavelength elements whose intensities are more relevant in making shape predictions. These findings imply that deep learning techniques benefit from the bending-induced effects that impact the desired signal in a complex manner. This is the first step toward cheap yet accurate fiber shape sensing solutions.
Abstract（参考訳）: 光ファイバー形状センサは、医療用ツールトラッキングから工業用アプリケーションまで、様々なナビゲーションタスクにおいて独自の進歩を実現している。偏心ファイバブラッググレーティング(FBG)は安価でファブリケートな形状のセンサーであり、単純な設定でしばしば尋問される。しかし、そのような強度に基づく準分散センサに対する低コストな尋問システムを用いることで、センサの信号にさらなる複雑さをもたらす。したがって、偏心FBGは複雑な多面体形状を正確に推定することはできない。本稿では,これらの限界を克服し,偏心型FBGセンサの正確な形状推定を行う新しい手法を提案する。本研究は、高強度光ファイバセンサで通常除去される曲面光ファイバの曲げ誘起効果について検討する。これらの効果は、より高い空間分解能を持つ形状変形情報を含み、深層学習技術を用いて抽出することができる。我々は、センサのスペクトルから形状を予測するために訓練された畳み込みニューラルネットワークに基づくディープラーニングモデルを設計する。また,形状予測において強度がより関連している波長要素を強調する視覚的な説明も提供する。これらの結果は、深層学習技術が、複雑な方法で所望の信号に影響を与える曲げ誘起効果の恩恵を受けていることを示唆している。これは安価で正確な繊維形状検出ソリューションへの第一歩です。

関連論文リスト

Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
論文参考訳（メタデータ） (2024-04-05T17:55:33Z)
GelFlow: Self-supervised Learning of Optical Flow for Vision-Based Tactile Sensor Displacement Measurement [23.63445828014235]
本研究では,視覚に基づく触覚センサの変位計測において,深層学習に基づく自己監督型光フロー法を提案する。提案する自己教師型ネットワークを,オープンソースデータセットを用いて訓練し,従来型およびディープラーニングベースの光フロー手法と比較した。
論文参考訳（メタデータ） (2023-09-13T05:48:35Z)
Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a Light-Weight ToF Sensor [58.305341034419136]
単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
論文参考訳（メタデータ） (2023-08-28T07:56:13Z)
Multi-mode fiber reservoir computing overcomes shallow neural networks classifiers [8.891157811906407]
我々は、マルチモード光ファイバをランダムなハードウェアプロジェクタにリキャストし、入力データセットをスペックルイメージセットに変換する。このハードウェアは、ファイバデータに基づいてトレーニングされた場合、損失景観の平坦な領域で動作し、これはディープニューラルネットワークの現在の理論と一致する。
論文参考訳（メタデータ） (2022-10-10T14:55:02Z)
On Learning the Invisible in Photoacoustic Tomography with Flat Directionally Sensitive Detector [0.27074235008521236]
本稿では,センサの入射波面方向に対する感度の変化に起因する第2のタイプに着目した。画像領域とデータ領域における可視範囲は、波面方向マッピングによって関連付けられる。我々は、高速な近似演算子と調整された深層ニューラルネットワークアーキテクチャを最適に組み合わせて、効率的な学習的再構成手法を提案する。
論文参考訳（メタデータ） (2022-04-21T09:57:01Z)
PhysFormer: Facial Video-based Physiological Measurement with Temporal Difference Transformer [55.936527926778695]
近年のディープラーニングアプローチは、時間的受容の限られた畳み込みニューラルネットワークを用いた微妙なrの手がかりのマイニングに重点を置いている。本稿では,エンドツーエンドのビデオトランスをベースとしたアーキテクチャであるPhysFormerを提案する。
論文参考訳（メタデータ） (2021-11-23T18:57:11Z)
Sensor-Guided Optical Flow [53.295332513139925]
本稿では、未知の領域や未知の領域において、より優れた精度を実現するために、外部キューを用いた光フローネットワークを誘導するフレームワークを提案する。能動センサからの深度測定と幾何および手作り光学フローアルゴリズムを組み合わせることで,これらがどのように得られるかを示す。
論文参考訳（メタデータ） (2021-09-30T17:59:57Z)
Adaptive Latent Space Tuning for Non-Stationary Distributions [62.997667081978825]
本稿では,ディープエンコーダ・デコーダ方式cnnの低次元潜在空間の適応チューニング法を提案する。粒子加速器における時間変動荷電粒子ビームの特性を予測するためのアプローチを実証する。
論文参考訳（メタデータ） (2021-05-08T03:50:45Z)
GEM: Glare or Gloom, I Can Still See You -- End-to-End Multimodal Object Detector [11.161639542268015]
厳しい照明条件下での2次元物体検出のためのセンサ対応マルチモーダル融合戦略を提案する。本ネットワークは,各センサモダリティの測定信頼性をスカラーウェイトとマスクの形で推定する。提案手法はFLIR-Thermalデータセット上で既存の最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-02-24T14:56:37Z)
Monocular Depth Estimation for Soft Visuotactile Sensors [24.319343057803973]
高密度内部(触覚)深度マップを内部小型赤外線イメージングセンサから直接推定するための最先端の単眼深度推定法の適用について検討した。深層ネットワークは, ほとんどがテクスチャのない変形可能な流体充填センサ内において, より短い範囲(1～100mm)で精度の高い予測を行うために効果的に訓練できることを示す。多種多様物体に対して10秒未満のランダムポーズを10秒未満で要求するオブジェクト非依存ネットワークを訓練する,単純な教師付き学習プロセスを提案する。
論文参考訳（メタデータ） (2021-01-05T17:51:11Z)
Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。