論文の概要: Accelerated deep self-supervised ptycho-laminography for
three-dimensional nanoscale imaging of integrated circuits
- arxiv url: http://arxiv.org/abs/2304.04597v1
- Date: Mon, 10 Apr 2023 14:06:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 14:51:33.811320
- Title: Accelerated deep self-supervised ptycho-laminography for
three-dimensional nanoscale imaging of integrated circuits
- Title（参考訳）: 集積回路の3次元ナノスケールイメージングのための加速自己教師型プチコラミノグラフィー
- Authors: Iksung Kang, Yi Jiang, Mirko Holler, Manuel Guizar-Sicairos, A. F. J.
Levi, Jeffrey Klug, Stefan Vogt, and George Barbastathis
- Abstract要約: 集積回路などのナノ構造の3次元検査は、セキュリティと信頼性の確保に重要である。
ここでは16倍の角度サンプルと4.67倍の高速計算が可能な集積回路のptycho-laminography再構成の高速化を実証する。
- 参考スコア（独自算出の注目度）: 2.468628441205905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Three-dimensional inspection of nanostructures such as integrated circuits is
important for security and reliability assurance. Two scanning operations are
required: ptychographic to recover the complex transmissivity of the specimen;
and rotation of the specimen to acquire multiple projections covering the 3D
spatial frequency domain. Two types of rotational scanning are possible:
tomographic and laminographic. For flat, extended samples, for which the full
180 degree coverage is not possible, the latter is preferable because it
provides better coverage of the 3D spatial frequency domain compared to
limited-angle tomography. It is also because the amount of attenuation through
the sample is approximately the same for all projections. However, both
techniques are time consuming because of extensive acquisition and computation
time. Here, we demonstrate the acceleration of ptycho-laminographic
reconstruction of integrated circuits with 16-times fewer angular samples and
4.67-times faster computation by using a physics-regularized deep
self-supervised learning architecture. We check the fidelity of our
reconstruction against a densely sampled reconstruction that uses full scanning
and no learning. As already reported elsewhere [Zhou and Horstmeyer, Opt.
Express, 28(9), pp. 12872-12896], we observe improvement of reconstruction
quality even over the densely sampled reconstruction, due to the ability of the
self-supervised learning kernel to fill the missing cone.
- Abstract（参考訳）: 集積回路などのナノ構造の三次元検査は、セキュリティと信頼性の確保に重要である。
2つの走査操作が必要となる: 標本の複雑な透過率を回復するためのptychography、および3次元空間周波数領域をカバーする複数の投影を取得するための標本の回転。
2種類の回転走査が可能であり、トモグラフィーとラミノグラフィーである。
フラットで拡張された試料では、180度範囲の完全なカバーは不可能であり、3次元空間周波数領域が限られた角度トモグラフィよりも良いカバレッジを提供するため、後者の方が好ましい。
また、全ての射影に対して試料の減衰量がほぼ同じであるためである。
しかし、どちらの手法も大きな獲得時間と計算時間のために時間がかかります。
本稿では,物理規則化深層自己教師学習アーキテクチャを用いて,16倍の角度サンプルと4.67倍の高速計算が可能な集積回路のptycho-laminography再構成の高速化を実証する。
フルスキャニングと学習を伴わない高密度サンプル再構成に対して,再建の忠実さを確認した。
すでに報告されているように(Zhou and Horstmeyer, Opt. Express, 28(9), pp. 12872-12896], 自己教師型学習カーネルが欠落した円錐を埋める能力のため, 密集したサンプル再構成においても復元品質の改善が観察されている。
関連論文リスト
- CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。
暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。
SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文 参考訳（メタデータ） (2024-06-21T08:38:30Z) - R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。
スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。
本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
論文 参考訳（メタデータ） (2024-05-17T11:23:33Z) - High-fidelity Endoscopic Image Synthesis by Utilizing Depth-guided Neural Surfaces [18.948630080040576]
内視鏡画像に適用したNeuSを1フレームの深度マップで補足した新しい大腸部分再建法を提案する。
本手法は, 大腸切片を完全にレンダリングし, 表面の見えない部分を捕捉する際の異常な精度を示す。
このブレークスルーは、安定的で一貫してスケールされた再建を達成するための道を開き、がんスクリーニングの手順と治療介入の質を高めることを約束する。
論文 参考訳（メタデータ） (2024-04-20T18:06:26Z) - Learning the Domain Specific Inverse NUFFT for Accelerated Spiral MRI using Diffusion Models [0.0]
我々は多コイル高アンサンプドスパイラルMRIのための生成拡散モデルに基づく再構成アルゴリズムを作成する。
超高速スキャン時間(2D画像では0.02秒)で再構成した画像に高品質(構造的類似度 > 0.87)を示す。
論文 参考訳（メタデータ） (2024-04-18T17:40:23Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - Attentional Ptycho-Tomography (APT) for three-dimensional nanoscale
X-ray imaging with minimal data acquisition and computation time [6.073075465984484]
不完全な測定にもかかわらずICの正確な再構成を行うために訓練されたアテンショナル・Ptycho-Tomography(APT)を報告する。
12時間縮小角度のAPTは、元の角度のセットのゴールド標準に匹敵する忠実性が得られることを示す。
実験の結果,APTは品質を損なうことなく,データ取得と計算の108時間の集約化を実現した。
論文 参考訳（メタデータ） (2022-11-29T21:27:58Z) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳（メタデータ） (2022-08-17T03:42:19Z) - Neural Computed Tomography [1.7188280334580197]
一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。
動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
論文 参考訳（メタデータ） (2022-01-17T18:50:58Z) - Multi-view Depth Estimation using Epipolar Spatio-Temporal Networks [87.50632573601283]
一つのビデオから多視点深度を推定する新しい手法を提案する。
提案手法は,新しいEpipolar Spatio-Temporal Transformer(EST)を用いて時間的コヒーレントな深度推定を行う。
最近のMixture-of-Expertsモデルにインスパイアされた計算コストを削減するため、我々はコンパクトなハイブリッドネットワークを設計する。
論文 参考訳（メタデータ） (2020-11-26T04:04:21Z) - Noise2Filter: fast, self-supervised learning and real-time
reconstruction for 3D Computed Tomography [0.0]
X線ビームラインでは、物体の内部の3Dトモグラフィー画像の達成可能な時間分解能が1秒に短縮された。
本研究では,実測データのみを用いて学習可能なフィルタ手法であるNoss2Filterを提案する。
トレーニングデータの追加によるトレーニングと比較して,精度の低下は限定的であり,標準フィルタ法と比較して精度が向上した。
論文 参考訳（メタデータ） (2020-07-03T12:12:10Z)
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。