論文の概要: Mimicking non-ideal instrument behavior for hologram processing using neural style translation

• arxiv url: http://arxiv.org/abs/2301.02757v1
• Date: Sat, 7 Jan 2023 01:01:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 18:14:49.378273
• Title: Mimicking non-ideal instrument behavior for hologram processing using neural style translation
• Title（参考訳）: ニューラルスタイル変換を用いたホログラム処理における非理想的楽器動作の模倣
• Authors: John S. Schreck, Matthew Hayman, Gabrielle Gantos, Aaron Bansemer, David John Gagne
• Abstract要約: ホログラフィー雲プローブは、雲粒子密度、大きさ、位置に関する前例のない情報を提供する。 ホログラムの処理には かなりの計算資源と 時間と時折 人間の介入が必要です ここでは, 模擬ホログラムへのニューラルスタイル翻訳手法の適用例を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Holographic cloud probes provide unprecedented information on cloud particle density, size and position. Each laser shot captures particles within a large volume, where images can be computationally refocused to determine particle size and shape. However, processing these holograms, either with standard methods or with machine learning (ML) models, requires considerable computational resources, time and occasional human intervention. ML models are trained on simulated holograms obtained from the physical model of the probe since real holograms have no absolute truth labels. Using another processing method to produce labels would be subject to errors that the ML model would subsequently inherit. Models perform well on real holograms only when image corruption is performed on the simulated images during training, thereby mimicking non-ideal conditions in the actual probe (Schreck et. al, 2022). Optimizing image corruption requires a cumbersome manual labeling effort. Here we demonstrate the application of the neural style translation approach (Gatys et. al, 2016) to the simulated holograms. With a pre-trained convolutional neural network (VGG-19), the simulated holograms are ``stylized'' to resemble the real ones obtained from the probe, while at the same time preserving the simulated image ``content'' (e.g. the particle locations and sizes). Two image similarity metrics concur that the stylized images are more like real holograms than the synthetic ones. With an ML model trained to predict particle locations and shapes on the stylized data sets, we observed comparable performance on both simulated and real holograms, obviating the need to perform manual labeling. The described approach is not specific to hologram images and could be applied in other domains for capturing noise and imperfections in observational instruments to make simulated data more like real world observations.
• Abstract（参考訳）: ホログラフィー雲プローブは、粒子密度、大きさ、位置に関する前例のない情報を提供する。 それぞれのレーザーショットは大量の粒子を捕捉し、そこでは画像が計算的に再焦点され、粒子のサイズと形状が決定される。 しかし、これらのホログラムを標準的な方法や機械学習(ML)モデルで処理するには、かなりの計算資源、時間、時には人間の介入が必要である。 mlモデルは、真のホログラムには絶対的真理ラベルがないため、プローブの物理モデルから得られたシミュレーションホログラムに基づいて訓練される。 別の処理方法を使用してラベルを生成すると、後にMLモデルが継承するエラーが発生する。 モデルは、訓練中の模擬画像上で画像破損を行う場合にのみ、実際のホログラム上で良好に動作し、実際のプローブにおける非理想条件を模倣する(Schreck et. al, 2022)。 画像の破損を最適化するには、面倒な手作業が必要だ。 ここでは、シミュレーションホログラムへのニューラルスタイル翻訳手法(Gatys et. al, 2016)の適用例を示す。 事前学習された畳み込みニューラルネットワーク(vgg-19)では、シミュレーションされたホログラムは、プローブから得られた実画像に類似する「‘stylized'」であり、同時にシミュレーションされた画像「`content'」(粒子の位置や大きさなど)を保存する。 2つの画像類似度メトリクスは、スタイライズされた画像が合成画像よりも実際のホログラムに近いことを一致させる。 機械学習モデルを用いて、スタイリングされたデータセット上の粒子の位置と形状を予測し、シミュレーションと実ホログラムの両方で同等の性能を示し、手動ラベリングを行う必要性を回避した。 上記のアプローチはホログラム画像に特有ではなく、観測機器のノイズや不完全さを捉える他の領域にも適用でき、シミュレーションデータを現実世界の観測に似せたものにすることができる。

関連論文リスト

• SynFog: A Photo-realistic Synthetic Fog Dataset based on End-to-end Imaging Simulation for Advancing Real-World Defogging in Autonomous Driving [48.27575423606407]
  フォトリアリスティックな霧画像を生成するために,エンド・ツー・エンドのシミュレーションパイプラインを導入する。 我々は、スカイライトとアクティブな照明条件の両方を特徴とするSynFogという新しい合成霧データセットを提案する。 実験の結果,SynFogで訓練したモデルでは,視覚知覚と検出精度が優れていた。
  論文  参考訳（メタデータ） (2024-03-25T18:32:41Z)
• Realistic Neutral Atom Image Simulation [1.3220067655295737]
  シミュレーションシステムにおける実際の状態の説明から中性原子実験のサンプル画像を生成することができるボトムアップシミュレータ。 ユースケースとしては、デモ目的の模範画像の作成、デコンボリューションアルゴリズムの高速トレーニングイテレーション、マシンラーニングの原子検出アプローチのためのラベル付きデータの生成などがある。
  論文  参考訳（メタデータ） (2023-10-04T14:02:18Z)
• BEDLAM: A Synthetic Dataset of Bodies Exhibiting Detailed Lifelike Animated Motion [52.11972919802401]
  合成データのみに基づいてトレーニングされたニューラルネットワークは、実際の画像から3次元人間のポーズと形状推定の問題に対して最先端の精度が得られることを示す。 以前の合成データセットは小さく、非現実的で、現実的な衣服が欠けていた。
  論文  参考訳（メタデータ） (2023-06-29T13:35:16Z)
• Blowing in the Wind: CycleNet for Human Cinemagraphs from Still Images [58.67263739579952]
  本稿では,1枚のRGB画像からヒトのシネマグラフを自動生成する手法を提案する。 提案手法の核となるのは,ループ長を目標とするループ型シネマグラフを生成する,新しいサイクリックニューラルネットワークである。 合成データと実データの両方で本手法を評価し, 単一のRGB画像から, 説得力のある, もっともらしいシネマグラフを作成できることを実証した。
  論文  参考訳（メタデータ） (2023-03-15T14:09:35Z)
• Neural network processing of holographic images [0.0]
  空飛ぶ雲の粒子イメージ装置であるHOLODECは、一定量の雲のホログラフィック画像をキャプチャして、雲の粒子の種類と大きさを特徴付ける。 本稿では,ニューラルセグメンテーションモデル,GPU,計算並列化を利用したホログラム処理アルゴリズムHolodecMLを提案する。
  論文  参考訳（メタデータ） (2022-03-16T19:20:37Z)
• A Shading-Guided Generative Implicit Model for Shape-Accurate 3D-Aware Image Synthesis [163.96778522283967]
  そこで本研究では,シェーディング誘導型生成暗黙モデルを提案する。 正確な3D形状は、異なる照明条件下でリアルなレンダリングをもたらす必要がある。 複数のデータセットに対する実験により,提案手法が光リアルな3次元画像合成を実現することを示す。
  論文  参考訳（メタデータ） (2021-10-29T10:53:12Z)
• Learned holographic light transport [2.642698101441705]
  ホログラフィーアルゴリズムはしばしば物理ホログラフィーディスプレイの結果と一致するシミュレーションで不足する。 我々の研究はホログラフィックディスプレイのホログラフィック光輸送を学習することで、このミスマッチに対処する。 本手法はホログラフィックディスプレイのシミュレーション精度と画質を劇的に向上させることができる。
  論文  参考訳（メタデータ） (2021-08-01T12:05:33Z)
• Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image Decomposition [67.9464567157846]
  合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。 実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-06-29T12:53:58Z)
• Deep DIH : Statistically Inferred Reconstruction of Digital In-Line Holography by Deep Learning [1.4619386068190985]
  デジタルインラインホログラフィーは、顕微鏡オブジェクトの2次元ホログラムから3次元画像を再構成するのに一般的に用いられる。 本稿では,シングルショットホログラム再構成のためのオートエンコーダに基づくディープラーニングアーキテクチャの実装を提案する。
  論文  参考訳（メタデータ） (2020-04-25T20:39:25Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。