論文の概要: PeakNet: Bragg peak finding in X-ray crystallography experiments with U-Net

• arxiv url: http://arxiv.org/abs/2303.15301v1
• Date: Fri, 24 Mar 2023 07:34:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 14:35:27.707551
• Title: PeakNet: Bragg peak finding in X-ray crystallography experiments with U-Net
• Title（参考訳）: PeakNet: U-Netを用いたX線結晶学実験におけるブラッグピーク発見
• Authors: Cong Wang, Po-Nan Li, Jana Thayer and Chun Hong Yoon
• Abstract要約: PeakNetは、ニューラルネットワークを利用するBraggのピークファインダで、Psocakeピークファインダの約4倍高速で動作する。 PeakNetの重要な利点は、データボリュームに関して線形にスケールできることであり、リアルタイムの連続結晶データ解析に高いデータレートで適している。
• 参考スコア（独自算出の注目度）: 3.8044059998311393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Serial crystallography at X-ray free electron laser (XFEL) sources has experienced tremendous progress in achieving high data rate in recent times. While this development offers potential to enable novel scientific investigations, such as imaging molecular events at logarithmic timescales, it also poses challenges in regards to real-time data analysis, which involves some degree of data reduction to only save those features or images pertaining to the science on disks. If data reduction is not effective, it could directly result in a substantial increase in facility budgetary requirements, or even hinder the utilization of ultra-high repetition imaging techniques making data analysis unwieldy. Furthermore, an additional challenge involves providing real-time feedback to users derived from real-time data analysis. In the context of serial crystallography, the initial and critical step in real-time data analysis is finding X-ray Bragg peaks from diffraction images. To tackle this challenge, we present PeakNet, a Bragg peak finder that utilizes neural networks and runs about four times faster than Psocake peak finder, while delivering significantly better indexing rates and comparable number of indexed events. We formulated the task of peak finding into a semantic segmentation problem, which is implemented as a classical U-Net architecture. A key advantage of PeakNet is its ability to scale linearly with respect to data volume, making it well-suited for real-time serial crystallography data analysis at high data rates.
• Abstract（参考訳）: X線自由電子レーザー(XFEL)のシリアル結晶学は、近年、高いデータ速度を達成するために著しく進歩している。 この開発は、対数的時間スケールでの分子イベントのイメージングなど、新しい科学的研究を可能にする可能性があるが、ディスク上の科学に関連する特徴や画像だけを保存するために、ある程度のデータ削減を伴うリアルタイムデータ分析に関する課題も生んでいる。 データ削減が効果的でない場合、施設の予算要件が大幅に増加するか、あるいはデータ分析を不安定にする超高繰り返しイメージング技術の利用を妨げる可能性がある。 さらに、リアルタイムデータ分析からユーザーへリアルタイムフィードバックを提供するという課題もある。 連続結晶学の文脈では、リアルタイムデータ解析における初期および臨界ステップは、回折画像からx線ブラッグピークを見つけることである。 この課題に対処するために、ニューラルネットワークを活用し、Psocakeのピークファインダの約4倍の速度で実行されるBraggのピークファインダであるPeakNetを紹介します。 従来のU-Netアーキテクチャとして実装されたセマンティックセグメンテーション問題にピーク探索のタスクを定式化した。 PeakNetの重要な利点は、データボリュームに関して線形にスケールできることであり、リアルタイムの連続結晶データ解析に高いデータレートで適している。

関連論文リスト

• 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)
• A Novel Spike Transformer Network for Depth Estimation from Event Cameras via Cross-modality Knowledge Distillation [3.355813093377501]
  イベントカメラは従来のデジタルカメラとは異なる動作をし、データを継続的にキャプチャし、時間、位置、光強度を符号化するバイナリスパイクを生成する。 これは、イベントカメラに適した革新的でスパイク対応のアルゴリズムの開発を必要とする。 スパイクカメラデータから深度推定を行うために,純粋にスパイク駆動のスパイク変圧器ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T11:32:53Z)
• Leveraging Neural Radiance Fields for Uncertainty-Aware Visual Localization [56.95046107046027]
  我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。 レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
  論文  参考訳（メタデータ） (2023-10-10T20:11:13Z)
• Efficient View Synthesis with Neural Radiance Distribution Field [61.22920276806721]
  我々は,リアルタイムに効率的なビュー合成を目標とするニューラルレージアンス分布場(NeRDF)という新しい表現を提案する。 我々は、NeLFのように1ピクセル当たりの1つのネットワーク転送でレンダリング速度を保ちながら、NeRFに似た小さなネットワークを使用する。 実験の結果,提案手法は既存の手法よりも速度,品質,ネットワークサイズとのトレードオフが良好であることがわかった。
  論文  参考訳（メタデータ） (2023-08-22T02:23:28Z)
• GeneFace++: Generalized and Stable Real-Time Audio-Driven 3D Talking Face Generation [71.73912454164834]
  音声-リップ同期の汎用化, 画質の向上, システム効率の向上が期待できる。 NeRFは、数分間のトレーニングビデオで高忠実で3D一貫性のある会話顔生成を実現することができるため、この分野で一般的な技術となっている。 そこで我々は,これらの課題に対処するためにGeneFace++を提案し,ピッチの輪郭を補助的特徴として利用し,顔の動き予測プロセスに時間的損失を導入する。
  論文  参考訳（メタデータ） (2023-05-01T12:24:09Z)
• Shakes on a Plane: Unsupervised Depth Estimation from Unstabilized Photography [54.36608424943729]
  2秒で取得した12メガピクセルのRAWフレームの「長バースト」では,自然手震動のみからの視差情報で高品質のシーン深度を回復できることが示されている。 我々は、長時間バーストデータにニューラルRGB-D表現を適合させるテスト時間最適化手法を考案し、シーン深度とカメラモーションを同時に推定する。
  論文  参考訳（メタデータ） (2022-12-22T18:54:34Z)
• Frequency Cam: Imaging Periodic Signals in Real-Time [1.774900701865444]
  本稿では,画像画素がフリックする基本周波数を検出するための,効率的で非同期なイベントカメラアルゴリズムを提案する。 フルセンサ・周波数イメージングにおける重要な設計パラメータについて論じる。 ラップトップCPUの単一コア上で,毎秒5000万イベント以上で動作する,ROSノードとしてのオープンソース実装である Frequency Cam について紹介する。
  論文  参考訳（メタデータ） (2022-11-01T00:08:35Z)
• R2L: Distilling Neural Radiance Field to Neural Light Field for Efficient Novel View Synthesis [76.07010495581535]
  一つのピクセルをレンダリングするには、数百回もNeural Radiance Fieldネットワークに問い合わせる必要がある。 NeLFは、新しい視点において、NeRFに対してより直接的な表現を提示する。 ディープNeLFネットワークをうまく学習する鍵は、十分なデータを持つことである。
  論文  参考訳（メタデータ） (2022-03-31T17:57:05Z)
• Thermal Image Processing via Physics-Inspired Deep Networks [21.094006629684376]
  DeepIRは、物理的に正確なセンサーモデリングとディープネットワークベースのイメージ表現を組み合わせる。 DeepIRは、トレーニングデータや、既知のブラックボディターゲットによる定期的な地平線校正を必要としない。 シミュレーションおよび実データ実験により、DeepIRは3つの画像で高品質な非均一性補正を行うことができることを示した。
  論文  参考訳（メタデータ） (2021-08-18T04:57:48Z)
• High-speed object detection with a single-photon time-of-flight image sensor [2.648554238948439]
  我々は,64×32の空間解像度で16ビンの光子タイミングヒストグラムを出力する携帯型SPADカメラシステムの結果を報告する。 結果は、人間の反応時間よりも早く恩恵を受けるであろう安全クリティカルなコンピュータビジョンアプリケーションに関係している。
  論文  参考訳（メタデータ） (2021-07-28T14:53:44Z)

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。