論文の概要: DeepAngle: Fast calculation of contact angles in tomography images using deep learning

• arxiv url: http://arxiv.org/abs/2211.15243v1
• Date: Mon, 28 Nov 2022 11:50:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 18:48:03.029545
• Title: DeepAngle: Fast calculation of contact angles in tomography images using deep learning
• Title（参考訳）: DeepAngle:ディープラーニングを用いた断層画像の接触角の高速計算
• Authors: Arash Rabbani, Chenhao Sun, Masoud Babaei, Vahid J. Niasar, Ryan T. Armstrong, Peyman Mostaghimi
• Abstract要約: DeepAngleは、多孔質材料のトモグラフィー画像において、異なる位相の接触角を決定する機械学習ベースの手法である。 開発コードとデータセットはGitHubのオープンリポジトリで公開されている。
• 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: DeepAngle is a machine learning-based method to determine the contact angles of different phases in the tomography images of porous materials. Measurement of angles in 3--D needs to be done within the surface perpendicular to the angle planes, and it could become inaccurate when dealing with the discretized space of the image voxels. A computationally intensive solution is to correlate and vectorize all surfaces using an adaptable grid, and then measure the angles within the desired planes. On the contrary, the present study provides a rapid and low-cost technique powered by deep learning to estimate the interfacial angles directly from images. DeepAngle is tested on both synthetic and realistic images against the direct measurement technique and found to improve the r-squared by 5 to 16% while lowering the computational cost 20 times. This rapid method is especially applicable for processing large tomography data and time-resolved images, which is computationally intensive. The developed code and the dataset are available at an open repository on GitHub (https://www.github.com/ArashRabbani/DeepAngle).
• Abstract（参考訳）: deepangleは、多孔質材料のトモグラフィ画像における異なる位相の接触角を決定する機械学習ベースの手法である。 3次元の角度の測定は、角度平面に垂直な表面で行う必要があり、画像ボクセルの離散化された空間を扱う際には不正確になる可能性がある。 計算集約的な解は、適応可能な格子を用いて全ての曲面の相関とベクトル化を行い、次に所望の平面内の角度を測定することである。 そこで本研究では,画像から直接界面角度を推定する深層学習による迅速かつ低コストな手法を提案する。 DeepAngleは直接測定技術に対して合成画像と現実画像の両方でテストされ、計算コストを20倍に下げながらr-2乗を5～16%改善した。 この高速な手法は,大規模トモグラフィーデータや時間分解画像の処理に特に応用できる。 開発コードとデータセットはGitHubのオープンリポジトリ(https://www.github.com/ArashRabbani/DeepAngle)で入手できる。

関連論文リスト

• EDCSSM: Edge Detection with Convolutional State Space Model [3.649463841174485]
  画像のエッジ検出は、コンピュータグラフィックスにおける多くの複雑なタスクの基礎となっている。 多層畳み込みとプールアーキテクチャによる特徴損失のため、学習ベースのエッジ検出モデルは、しばしば厚いエッジを生成する。 本稿では,上記の問題に効果的に対処するエッジ検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-03T05:13:25Z)
• RFTrans: Leveraging Refractive Flow of Transparent Objects for Surface Normal Estimation and Manipulation [50.10282876199739]
  本稿では、透明物体の表面正規化と操作のためのRGB-Dに基づくRFTransを提案する。 RFNetは屈折流、物体マスク、境界を予測し、次いでF2Netは屈折流から表面の正常を推定する。 現実のロボットがタスクをつかむと、成功率は83%となり、屈折流が直接シミュレートから現実への移動を可能にすることが証明される。
  論文  参考訳（メタデータ） (2023-11-21T07:19:47Z)
• A Large Scale Homography Benchmark [52.55694707744518]
  1DSfMデータセットから10万枚の画像から約1000個の平面が観測された3D, Pi3Dの平面の大規模データセットを示す。 また,Pi3Dを利用した大規模ホモグラフィ推定ベンチマークであるHEBを提案する。
  論文  参考訳（メタデータ） (2023-02-20T14:18:09Z)
• Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
  本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。 まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。 本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
  論文  参考訳（メタデータ） (2023-02-16T10:40:55Z)
• DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients [105.25109274550607]
  ラインセグメントは、視覚タスクでますます使われています。 画像勾配に基づく従来の線検出器は非常に高速で精度が高いが、ノイズの多い画像や困難な条件では頑丈さに欠ける。 我々は、両方の世界を最大限に活用するために、伝統的なアプローチと学習されたアプローチを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2022-12-15T12:36:49Z)
• GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
  本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。 本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。 提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-10-19T17:56:03Z)
• Time and Cost-Efficient Bathymetric Mapping System using Sparse Point Cloud Generation and Automatic Object Detection [0.0]
  サイドスキャンソナーセンサーは安価で、特に魚用ファインダーで利用できる。 サイドスキャンソナー画像から3D情報を抽出することは、信号対雑音比が低いため難しい課題である。 本稿では,サイドスキャンソナー画像からスパース3D点雲を生成する効率的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T02:58:08Z)
• Transfer Learning for Estimation of Pendubot Angular Position Using Deep Neural Networks [0.0]
  撮像画像からペンデュボット角位置を推定するために、機械学習に基づくアプローチが導入された。 この課題に対処するために、ディープニューラルネットワークベースのアルゴリズムが導入された。 提案手法は,シャープ画像とぼやけた画像に対して,それぞれ0.02度と0.06度の平均的な絶対誤差を実現する。
  論文  参考訳（メタデータ） (2022-01-29T20:20:47Z)
• Precise Aerial Image Matching based on Deep Homography Estimation [21.948001630564363]
  本研究では,2つの空中画像に精度よく一致する深部ホモグラフィアライメントネットワークを提案する。 提案するネットワークは、より高い自由度でマッチングネットワークをトレーニングすることができる。 本稿では,学習が難しいホモグラフィ推定ネットワークを効果的に学習する手法を提案する。
  論文  参考訳（メタデータ） (2021-07-19T11:52:52Z)
• Depth-Aware Multi-Grid Deep Homography Estimation with Contextual Correlation [38.95610086309832]
  ホログラフィー推定は、画像ステッチ、ビデオ安定化、カメラキャリブレーションなどのコンピュータビジョンにおいて重要なタスクである。 従来のホモグラフィー推定法は特徴点の量と分布に依存するため、テクスチャレスシーンではロバスト性が低い。 特徴写像上の長距離相関を捉えることができ、学習フレームワークに柔軟にブリッジできるコンテキスト相関層を提案する。 我々は,新しい深度認識型形状保存損失を導入することで,ネットワークに深度知覚能力を持たせる。
  論文  参考訳（メタデータ） (2021-07-06T10:33:12Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。