論文の概要: ganX -- generate artificially new XRF a python library to generate
MA-XRF raw data out of RGB images
- arxiv url: http://arxiv.org/abs/2304.14078v1
- Date: Thu, 27 Apr 2023 10:40:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 13:47:17.237355
- Title: ganX -- generate artificially new XRF a python library to generate
MA-XRF raw data out of RGB images
- Title（参考訳）: ganX -- 人工的に新しいXRFを生成し、RGB画像からMA-XRFの生データを生成する
- Authors: Alessandro Bombini
- Abstract要約: ganX -- 人工的に新しいXRFを生成するのは、X線マイロマップを生成するPythonライブラリである。
ライブラリはPyPiにリリースされ、コードはGitHubでオープンソース公開されている。
- 参考スコア（独自算出の注目度）: 91.3755431537592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we present the first version of ganX -- generate artificially
new XRF, a Python library to generate X-ray fluorescence Macro maps (MA-XRF)
from a coloured RGB image. To do that, a Monte Carlo method is used, where each
MA-XRF pixel signal is sampled out of an XRF signal probability function. Such
probability function is computed using a database of couples (pigment
characteristic XRF signal, RGB), by a weighted sum of such pigment XRF signal
by proximity of the image RGB to the pigment characteristic RGB. The library is
released to PyPi and the code is available open source on GitHub.
- Abstract（参考訳）: 本稿では、ganxの最初のバージョン -- 人工的に新しいxrfを生成する - カラーrgb画像からx線蛍光マクロマップ(ma-xrf)を生成するpythonライブラリ。
そのため、各MA-XRF画素信号をXRF信号確率関数からサンプリングするモンテカルロ法を用いる。
このような確率関数は、画像RGBと顔料特性RGBとの近接による顔料XRF信号の重み付け和により、カップルのデータベース(ピグメント特性XRF信号、RGB)を用いて計算される。
ライブラリはPyPiにリリースされ、コードはGitHubでオープンソース公開されている。
関連論文リスト
- Towards virtual painting recolouring using Vision Transformer on X-Ray Fluorescence datacubes [80.32085982862151]
画像アートにおけるX線蛍光(XRF)分析の生データを用いて仮想絵画再構成を行うパイプラインを定義する。
データセットサイズを小さくするために、XRFスペクトルのデータベースから始まる合成データセットを生成する。
我々は、XRFスペクトルを低次元K平均対応計量空間に埋め込むための深部変分埋め込みネットワークを定義する。
論文 参考訳（メタデータ） (2024-10-11T14:05:28Z) - Radiative Gaussian Splatting for Efficient X-ray Novel View Synthesis [88.86777314004044]
我々は,X線ノベルビュー可視化のための3次元ガウシアンスプラッティングに基づくフレームワーク,すなわちX-ガウシアンを提案する。
実験の結果,X-Gaussianは6.5dBの最先端手法より優れており,トレーニング時間は15%未満であり,推論速度は73倍であることがわかった。
論文 参考訳（メタデータ） (2024-03-07T00:12:08Z) - MEIL-NeRF: Memory-Efficient Incremental Learning of Neural Radiance
Fields [49.68916478541697]
我々は、NeRF(MEIL-NeRF)のためのメモリ効率の良いインクリメンタル学習アルゴリズムを開発した。
MEIL-NeRFはNeRF自体からインスピレーションを得て、ニューラルネットワークがクエリとして与えられたピクセルRGB値を提供するメモリとして機能する。
その結果、MEIL-NeRFはメモリ消費と競合性能を一定に示すことができた。
論文 参考訳（メタデータ） (2022-12-16T08:04:56Z) - NeRF-RPN: A general framework for object detection in NeRFs [54.54613914831599]
NeRF-RPNは、シーン内のオブジェクトのすべてのバウンディングボックスを検出することを目的としている。
NeRF-RPNは一般的なフレームワークであり、クラスラベルなしでオブジェクトを検出できる。
論文 参考訳（メタデータ） (2022-11-21T17:02:01Z) - Denoising Fast X-Ray Fluorescence Raster Scans of Paintings [5.355395603498598]
本稿では,高信号対雑音比XRFボリュームを得るための新しい手法を提案する。
元素マップやXRFボリュームの品質を犠牲にすることなくスキャン時間を短縮するために,ノイズモデルを用いた辞書学習と,ノイズを復元する前のカラー画像を用いて,高速に取得したXRFデータを復元する。
論文 参考訳（メタデータ） (2022-06-03T03:17:18Z) - Pixel-Stega: Generative Image Steganography Based on Autoregressive
Models [25.528348844618996]
Pixel-Stegaは、自動回帰モデルと算術符号アルゴリズムでピクセルレベルの情報を隠蔽する。
実験の結果,Pixel-Stegaは,画素のエントロピーに応じて,秘密メッセージを適応的に埋め込むことができることがわかった。
論文 参考訳（メタデータ） (2021-12-21T02:34:33Z) - RFGAN: RF-Based Human Synthesis [9.709890321556204]
本稿では,新しいクロスモーダルRFGANモデルを導入することにより,微細な光学的人間の画像を生成することを目的とする。
我々の知る限りでは、RF信号に基づいて光学画像を生成するのはこれが初めてである。
論文 参考訳（メタデータ） (2021-12-07T14:34:35Z) - Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。
実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
論文 参考訳（メタデータ） (2021-08-18T12:41:36Z)
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。