Fugu-MT 論文翻訳(概要): Computational 3D topographic microscopy from terabytes of data per sample

論文の概要: Computational 3D topographic microscopy from terabytes of data per sample

arxiv url: http://arxiv.org/abs/2306.02634v1
Date: Mon, 5 Jun 2023 07:09:21 GMT
ステータス: 処理完了
システム内更新日: 2023-06-06 16:29:30.066837
Title: Computational 3D topographic microscopy from terabytes of data per sample
Title（参考訳）: 1サンプルあたりのテラバイトデータからの3Dトポグラフィー
Authors: Kevin C. Zhou, Mark Harfouche, Maxwell Zheng, Joakim J\"onsson, Kyung Chul Lee, Ron Appel, Paul Reamey, Thomas Doman, Veton Saliu, Gregor Horstmeyer, and Roarke Horstmeyer
Abstract要約: 我々は6ギガピクセルのプロファイログラフィー3Dイメージングをミクロンスケールの解像度で行うことができる大規模3Dトポグラフィー顕微鏡を提案する。我々は、オールインフォーカス光度合成と3次元高さマップを共同で推定する3次元再構成と縫合のための自己教師型ニューラルネットワークベースのアルゴリズムを開発した。計算顕微鏡の汎用性を実証するため,STARCAMを様々なデシメータスケールの物体に適用した。
参考スコア（独自算出の注目度）: 2.4657541547959387
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a large-scale computational 3D topographic microscope that enables 6-gigapixel profilometric 3D imaging at micron-scale resolution across $>$110 cm$^2$ areas over multi-millimeter axial ranges. Our computational microscope, termed STARCAM (Scanning Topographic All-in-focus Reconstruction with a Computational Array Microscope), features a parallelized, 54-camera architecture with 3-axis translation to capture, for each sample of interest, a multi-dimensional, 2.1-terabyte (TB) dataset, consisting of a total of 224,640 9.4-megapixel images. We developed a self-supervised neural network-based algorithm for 3D reconstruction and stitching that jointly estimates an all-in-focus photometric composite and 3D height map across the entire field of view, using multi-view stereo information and image sharpness as a focal metric. The memory-efficient, compressed differentiable representation offered by the neural network effectively enables joint participation of the entire multi-TB dataset during the reconstruction process. To demonstrate the broad utility of our new computational microscope, we applied STARCAM to a variety of decimeter-scale objects, with applications ranging from cultural heritage to industrial inspection.
Abstract（参考訳）: 6ギガピクセルのプロファイログラフィー3Dイメージングを,110 cm$^2$領域のマイクロスケール解像度で実現した大規模3Dトポグラフィー顕微鏡を提案する。 STARCAM (Scanning Topographic All-in-focus Reconstruction with a Computational Array Microscope) と呼ばれる計算顕微鏡は、54カメラアーキテクチャを並列化して3軸変換を行い、興味のあるサンプル毎に2.1テラバイト(TB)データセットを224,6409.4メガピクセルの画像を合成する。本研究では,多視点ステレオ情報と画像シャープネスを焦点指標として,全焦点測光複合材料と3次元高さマップを共同で推定する,自己教師付きニューラルネットワークを用いた3次元再構成・縫い付けアルゴリズムを開発した。ニューラルネットワークによって提供されるメモリ効率が高く圧縮された微分可能表現は、再構成プロセス中にマルチTBデータセット全体のジョイント参加を効果的に実現する。新しい計算顕微鏡の幅広い有用性を示すため,STARCAMをさまざまなデシメータスケールの物体に適用し,文化遺産から産業検査まで応用した。

関連論文リスト

Large Spatial Model: End-to-end Unposed Images to Semantic 3D [79.94479633598102]
大空間モデル(LSM)は、RGB画像を直接意味的放射場に処理する。 LSMは、単一のフィードフォワード操作における幾何学、外観、意味を同時に推定する。新しい視点で言語と対話することで、多目的ラベルマップを生成することができる。
論文参考訳（メタデータ） (2024-10-24T17:54:42Z)
GPU-Accelerated RSF Level Set Evolution for Large-Scale Microvascular Segmentation [2.5003043942194236]
本稿では,地域スケーラブルフィッティング(RSF)レベルセットモデルの改訂と実装を提案する。これにより、単命令多重データ(SIMD)と単プログラム多重データ(SPMD)並列処理の両方を用いて3次元評価が可能となる。我々は、最先端イメージング技術を用いて取得した複数のデータセットに対して、この3次元並列RSF手法を用いて、微小血管データを取得することを試みた。
論文参考訳（メタデータ） (2024-04-03T15:37:02Z)
Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
論文参考訳（メタデータ） (2023-08-21T10:38:32Z)
Towards Model Generalization for Monocular 3D Object Detection [57.25828870799331]
我々は,Mono3Dオブジェクト検出に有効な統合カメラ一般化パラダイム(CGP)を提案する。また,インスタンスレベルの拡張によりギャップを埋める2D-3D幾何一貫性オブジェクトスケーリング戦略(GCOS)を提案する。 DGMono3Dと呼ばれる手法は、評価された全てのデータセットに対して顕著な性能を達成し、SoTAの教師なしドメイン適応スキームを上回ります。
論文参考訳（メタデータ） (2022-05-23T23:05:07Z)
3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文参考訳（メタデータ） (2021-10-14T23:05:47Z)
Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
論文参考訳（メタデータ） (2021-10-11T20:20:03Z)
RCNN-SliceNet: A Slice and Cluster Approach for Nuclei Centroid Detection in Three-Dimensional Fluorescence Microscopy Images [16.377426160171982]
本稿では,3次元顕微鏡ボリュームの遠心波検出のためのスケーラブルなアプローチを提案する。本稿では、RCNN-SliceNetを用いて、体積のスライス毎に異なる方向から2次元核セントロイドを検出する。提案手法は, 3次元顕微鏡で核中心体を正確に計測し, 検出することができる。
論文参考訳（メタデータ） (2021-06-29T23:38:29Z)
Programmable 3D snapshot microscopy with Fourier convolutional networks [3.2156268397508314]
3Dスナップショット顕微鏡は、単一の2Dカメラ画像で3Dボリュームをキャプチャすることにより、カメラと同じくらい高速なボリュームイメージングを可能にします。 3Dスナップショット画像にエンコードされたグローバル混合情報を効率的に統合できるグローバルカーネルフーリエ畳み込みニューラルネットワークのクラスを紹介します。
論文参考訳（メタデータ） (2021-04-21T16:09:56Z)
Recurrent neural network-based volumetric fluorescence microscopy [0.30586855806896046]
本稿では,標準広視野蛍光顕微鏡でわずかに捉えた2次元画像を用いた深層学習に基づく画像推測フレームワークについて報告する。再帰的畳み込みニューラルネットワーク(Recurrent-MZ)により、サンプル内のいくつかの軸方向平面からの2次元蛍光情報を明示的に組み込んでサンプル体積をデジタル的に再構成する。リカレントMZは63xNA対物レンズの被写界深度を約50倍にし、同じサンプル体積を撮像するのに必要となる軸走査数を30倍に削減することを示した。
論文参考訳（メタデータ） (2020-10-21T06:17:38Z)
Learning to Reconstruct Confocal Microscopy Stacks from Single Light Field Images [19.24428734909019]
我々は,U-Netの設計に触発された新しいニューラルネットワークアーキテクチャであるLFMNetを紹介する。解像度は112x112x57.6$mu m3$を50ミリ秒で再現できる。スキャン時間と記憶空間の大幅な減少のため,我々の装置と方法はリアルタイム3D顕微鏡に直接適用できる。
論文参考訳（メタデータ） (2020-03-24T17:46:03Z)
Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset for Spatially Varying Isotropic Materials [65.95928593628128]
多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
論文参考訳（メタデータ） (2020-01-18T12:26:22Z)

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。