論文の概要: PE-GAN: Prior Embedding GAN for PXD images at Belle II

• arxiv url: http://arxiv.org/abs/2303.00693v1
• Date: Wed, 1 Mar 2023 17:41:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-02 13:53:24.728396
• Title: PE-GAN: Prior Embedding GAN for PXD images at Belle II
• Title（参考訳）: PE-GAN: Belle II における PXD 画像の事前埋め込み GAN
• Authors: Hosein Hashemi, Nikolai Hartmann, Thomas Kuhr, Martin Ritter, Matej srebre
• Abstract要約: シミュレーション信号粒子が生成したヒットに対して,背景のヒットパターンを計測またはシミュレーションすることでトラック再建に及ぼす背景のヒットの影響について検討した。 このモデルは、再構成トラックの系統的バイアスを避けるために、統計的に独立な大量のPXD背景雑音サンプルを必要とする。 コントラスト学習を伴う条件付きGAN(Generative Adversarial Networks)を用いたオンデマンドPXDバックグラウンドジェネレータのアイデアを探索する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The pixel vertex detector (PXD) is an essential part of the Belle II detector recording particle positions. Data from the PXD and other sensors allow us to reconstruct particle tracks and decay vertices. The effect of background hits on track reconstruction is simulated by adding measured or simulated background hit patterns to the hits produced by simulated signal particles. This model requires a large set of statistically independent PXD background noise samples to avoid a systematic bias of reconstructed tracks. However, data from the fine-grained PXD requires a substantial amount of storage. As an efficient way of producing background noise, we explore the idea of an on-demand PXD background generator using conditional Generative Adversarial Networks (GANs) with contrastive learning, adapted by the number of PXD sensors in order to both increase the image fidelity and produce sensor-dependent PXD hitmaps.
• Abstract（参考訳）: 画素頂点検出器(PXD)は、粒子の位置を記録するベルII検出器の重要な部分である。 PXDや他のセンサーからのデータにより、粒子の軌道と崩壊頂点を再構築することができる。 トラック復元におけるバックグラウンドヒットの効果は、シミュレーション信号粒子が生成したヒットに、測定またはシミュレーションされたバックグラウンドヒットパターンを付加することによりシミュレートされる。 このモデルは、再構成トラックの系統的バイアスを避けるために、統計的に独立な大量のPXD背景雑音サンプルを必要とする。 しかし、粒度の細かいPXDのデータは相当量のストレージを必要とする。 背景雑音を効果的に生成する方法として,画像の忠実度を高め,センサ依存のPXDヒットマップを生成するために,PXDセンサの数に適応して,コントラスト学習を伴う条件付きジェネレータ(GAN)を用いたオンデマンドPXDバックグラウンドジェネレータを提案する。

関連論文リスト

• Influence of Depth Camera Noise Models on Respiration Estimation [0.0]
  本研究は,3次元レンダリングシミュレーションパイプラインの最初の成果であり,実測,深度カメラによる呼吸信号を生成するために,異なるノイズモデルに焦点を当てた。
  論文  参考訳（メタデータ） (2024-11-15T09:50:31Z)
• bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
  疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。 本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2024-10-30T17:30:35Z)
• Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction [88.65168366064061]
  本稿では,確率論的推論の課題として,事前学習したMDMを操る作業を行う新しいフレームワークであるDDPPを紹介する。 私たちのフレームワークは、3つの新しい目標のファミリーにつながります。 Wet-lab Validation(ウェット・ラブ・バリデーション)を用いて,報酬最適化タンパク質配列の過渡的発現を観察する。
  論文  参考訳（メタデータ） (2024-10-10T17:18:30Z)
• Deep Learning based Optical Image Super-Resolution via Generative Diffusion Models for Layerwise in-situ LPBF Monitoring [4.667646675144656]
  我々は,ビルドプレートの低解像度画像とビルドプレートの詳細な高解像度光学画像とを関連付けるために,生成的深層学習モデルを実装した。 低解像度Webカメラ画像からビルドプレートの現実的な高解像度画像を生成するために,条件付き潜在確率拡散モデルを訓練した。 また, 印刷部の3次元形状を再現し, 復元した試料の表面粗さを解析する枠組みを設計した。
  論文  参考訳（メタデータ） (2024-09-20T02:59:25Z)
• Novel Hybrid Integrated Pix2Pix and WGAN Model with Gradient Penalty for Binary Images Denoising [1.8434042562191815]
  本稿では,GAN(Generative Adversarial Networks)の利点を活用した画像復号化手法を提案する。 Pix2PixモデルとWasserstein GAN(WGAN)とGradient Penalty(WGAN-GP)の要素を組み合わせたモデルを提案する。
  論文  参考訳（メタデータ） (2024-07-16T15:50:45Z)
• The Crystal Ball Hypothesis in diffusion models: Anticipating object positions from initial noise [92.53724347718173]
  拡散モデルはテキスト・画像生成タスクにおいて顕著な成功を収めた。 我々は、初期ノイズ画像内の特定の領域をトリガーパッチと呼び、結果として発生する画像のオブジェクト生成に重要な役割を果たす。
  論文  参考訳（メタデータ） (2024-06-04T05:06:00Z)
• Provably Robust Score-Based Diffusion Posterior Sampling for Plug-and-Play Image Reconstruction [31.503662384666274]
  科学と工学において、ゴールは、ある画像のモダリティを記述する既知のフォワードモデルから収集された少数の測定値から未知の画像を推測することである。 モチベートされたスコアベース拡散モデルはその経験的成功により、画像再構成に先立って模範の印象的な候補として現れた。
  論文  参考訳（メタデータ） (2024-03-25T15:58:26Z)
• StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
  本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。 まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。 第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-12-02T02:27:58Z)
• Let's Roll: Synthetic Dataset Analysis for Pedestrian Detection Across Different Shutter Types [7.0441427250832644]
  本稿では,機械学習(ML)オブジェクト検出モデルに異なるシャッター機構が与える影響について検討する。 特に、合成合成されたGSとRSのデータセットを用いて、主流検出モデルを訓練し、評価する。
  論文  参考訳（メタデータ） (2023-09-15T04:07:42Z)
• AdjointDPM: Adjoint Sensitivity Method for Gradient Backpropagation of Diffusion Probabilistic Models [103.41269503488546]
  既存のカスタマイズ方法は、事前訓練された拡散確率モデルをユーザが提供する概念に合わせるために、複数の参照例にアクセスする必要がある。 本論文は、DPMカスタマイズの課題として、生成コンテンツ上で定義された差別化可能な指標が唯一利用可能な監督基準である場合に解決することを目的とする。 本稿では,拡散モデルから新しいサンプルを初めて生成するAdjointDPMを提案する。 次に、随伴感度法を用いて、損失の勾配をモデルのパラメータにバックプロパゲートする。
  論文  参考訳（メタデータ） (2023-07-20T09:06:21Z)
• Designing a Practical Degradation Model for Deep Blind Image Super-Resolution [134.9023380383406]
  単一画像スーパーレゾリューション (sisr) 法は, 推定劣化モデルが実画像から逸脱した場合はうまく動作しない。 本稿では, ランダムにシャッフルされたブラー, ダウンサンプリング, ノイズ劣化からなる, より複雑で実用的な劣化モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-25T17:40:53Z)

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。