Fugu-MT 論文翻訳(概要): Dynamic Atomic Column Detection in Transmission Electron Microscopy Videos via Ridge Estimation

論文の概要: Dynamic Atomic Column Detection in Transmission Electron Microscopy Videos via Ridge Estimation

arxiv url: http://arxiv.org/abs/2302.00816v1
Date: Thu, 2 Feb 2023 01:37:43 GMT
ステータス: 処理完了
システム内更新日: 2023-02-03 15:51:38.144460
Title: Dynamic Atomic Column Detection in Transmission Electron Microscopy Videos via Ridge Estimation
Title（参考訳）: リッジ推定による透過電子顕微鏡映像中の動的原子カラム検出
Authors: Yuchen Xu, Andrew M. Thomas, Peter A. Crozier, David S. Matteson
Abstract要約: リッジ検出は画像処理において曲線的特徴を抽出するツールである。我々は、長い画像列の同時解析により、フレーム間の時間相関を利用する。われわれのアプローチは、消えているように見える物体の時間的分析に特化している。
参考スコア（独自算出の注目度）: 4.345882429229813
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Ridge detection is a classical tool to extract curvilinear features in image processing. As such, it has great promise in applications to material science problems; specifically, for trend filtering relatively stable atom-shaped objects in image sequences, such as Transmission Electron Microscopy (TEM) videos. Standard analysis of TEM videos is limited to frame-by-frame object recognition. We instead harness temporal correlation across frames through simultaneous analysis of long image sequences, specified as a spatio-temporal image tensor. We define new ridge detection algorithms to non-parametrically estimate explicit trajectories of atomic-level object locations as a continuous function of time. Our approach is specially tailored to handle temporal analysis of objects that seemingly stochastically disappear and subsequently reappear throughout a sequence. We demonstrate that the proposed method is highly effective and efficient in simulation scenarios, and delivers notable performance improvements in TEM experiments compared to other material science benchmarks.
Abstract（参考訳）: リッジ検出は画像処理における曲線の特徴を抽出する古典的なツールである。そのため、物質科学問題、特にTEM(Transmission Electron Microscopy)ビデオのような画像シーケンスにおける比較的安定した原子形状の物体の傾向をフィルタリングする分野では、非常に有望である。 TEMビデオの標準解析はフレーム単位のオブジェクト認識に限られる。代わりに,時空間画像テンソルとして特定される長像列の同時解析により,フレーム間の時間相関を利用する。我々は,原子レベル物体位置の非パラメトリックな明示的軌跡を時間連続関数として推定する新しいリッジ検出アルゴリズムを定義する。我々のアプローチは、確率的に消え、その後シーケンスを通して再び現れるように見える物体の時間的分析に特化している。提案手法はシミュレーションシナリオにおいて高い効率と効率を示し,他の材料科学ベンチマークと比較して,tem実験において顕著な性能改善をもたらす。

関連論文リスト

Patch Spatio-Temporal Relation Prediction for Video Anomaly Detection [19.643936110623653]
ビデオ異常検出(VAD)は、特定のコンテキストと時間枠内の異常を識別することを目的としている。近年の深層学習に基づくVADモデルは,高解像度フレームの生成によって有望な結果を示した。本稿では, パッチ間関係予測タスクを通じて, VADの自己教師型学習手法を提案する。
論文参考訳（メタデータ） (2024-03-28T03:07:16Z)
Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文参考訳（メタデータ） (2024-01-11T10:10:16Z)
Single-shot Tomography of Discrete Dynamic Objects [1.1407697960152927]
ダイナミックトモグラフィーにおける高分解能時間像の再構成法を提案する。本研究の意義は、断層撮影における動的過程の可視化と解析の改善にまで及んでいる。
論文参考訳（メタデータ） (2023-11-09T10:52:02Z)
SceNeRFlow: Time-Consistent Reconstruction of General Dynamic Scenes [75.9110646062442]
我々はSceNeRFlowを提案し、時間的一貫性のある方法で一般的な非剛体シーンを再構築する。提案手法は,カメラパラメータを入力として,静止カメラからのマルチビューRGBビデオと背景画像を取得する。実験により,小規模動作のみを扱う先行作業とは異なり,スタジオスケール動作の再構築が可能であることが示された。
論文参考訳（メタデータ） (2023-08-16T09:50:35Z)
Motion-aware Memory Network for Fast Video Salient Object Detection [15.967509480432266]
我々は、隣接するフレームから現在のフレームの有用な時間情報をVSODの時間枝として抽出する時空間メモリ(STM)ベースのネットワークを設計する。符号化段階では、電流とその隣接するフレームから高次特徴を用いて高次時間特徴を生成する。復号化段階では,空間的および時間的分岐に対する効果的な融合戦略を提案する。提案モデルでは,光学フローなどの前処理を必要とせず,推定時に100FPS近い速度に達することができる。
論文参考訳（メタデータ） (2022-08-01T15:56:19Z)
Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
論文参考訳（メタデータ） (2022-03-14T17:55:41Z)
Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
本稿では,ビデオ監視における異常検出問題に対処する。異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
論文参考訳（メタデータ） (2022-03-07T19:28:39Z)
An Attention-based ConvLSTM Autoencoder with Dynamic Thresholding for Unsupervised Anomaly Detection in Multivariate Time Series [2.9685635948299995]
本稿では,異常検出と診断を行うための動的閾値保持(ACLAE-DT)フレームワークを用いた非教師付き注意型畳み込み長短期記憶(ConvLSTM)オートエンコーダを提案する。フレームワークは、システムステータスを特徴付ける機能イメージを構築する前に、データの事前処理と強化から始まります。構築した特徴画像は注意に基づくConvLSTMオートエンコーダに入力される。その後、再構成エラーを計算し、統計に基づく動的しきい値決定機構により異常を検出し診断する。
論文参考訳（メタデータ） (2022-01-23T04:01:43Z)
A Deep Learning Based Automatic Defect Analysis Framework for In-situ TEM Ion Irradiations [0.0]
YOLOと呼ばれる高度な物体検出モデルに基づく微細構造特徴の自動TEMビデオ解析システムを開発した。結果は、高速で一貫性があり、スケーラブルなフレームレベルの欠陥解析のために、F1スコアの0.89で人間に匹敵する性能を達成できることを示している。
論文参考訳（メタデータ） (2021-08-19T19:15:44Z)
ST-HOI: A Spatial-Temporal Baseline for Human-Object Interaction Detection in Videos [91.29436920371003]
時空間HoI検出(ST-HOI)という,シンプルで効果的なアーキテクチャを提案する。我々は、人や物体の軌跡、正しく位置付けられた視覚的特徴、空間的マスキングのポーズ特徴などの時間的情報を利用する。我々は、VidHOIと呼ばれる新しいビデオHOIベンチマークを構築し、提案手法は安定したベースラインとして機能する。
論文参考訳（メタデータ） (2021-05-25T07:54:35Z)
A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文参考訳（メタデータ） (2021-05-18T10:15:17Z)

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。