論文の概要: Filtering Pixel Latent Variables for Unmixing Volumetric Images
- arxiv url: http://arxiv.org/abs/2312.05357v1
- Date: Fri, 8 Dec 2023 20:34:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 21:35:31.673907
- Title: Filtering Pixel Latent Variables for Unmixing Volumetric Images
- Title(参考訳): ボリューム画像の非混合化のためのピクセル潜在変数のフィルタリング
- Authors: Catherine Bouchard, Vincent Boulanger, Flavie Lavoie-Cardinal, and
Christian Gagn\'e
- Abstract要約: 実験物理学では、測定はしばしばノイズ、アンサンプ、空間的またはスペクトル的に未解決である。
本稿では,多次元畳み込みニューラルネットワークの潜時空間に帯域通過フィルタを適用する手法を提案する。
本研究では,光ファイバーの蛍光寿命顕微鏡とモード分解による実実験物理問題への適用性を実証した。
- 参考スコア(独自算出の注目度): 1.0365687568335802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Measurements of different overlapping components require robust unmixing
algorithms to convert the raw multi-dimensional measurements to useful unmixed
images. Such algorithms perform reliable separation of the components when the
raw signal is fully resolved and contains enough information to fit curves on
the raw distributions. In experimental physics, measurements are often noisy,
undersampled, or unresolved spatially or spectrally. We propose a novel method
where bandpass filters are applied to the latent space of a multi-dimensional
convolutional neural network to separate the overlapping signal components and
extract each of their relative contributions. Simultaneously processing all
dimensions with multi-dimensional convolution kernels empowers the network to
combine the information from adjacent pixels and time- or spectral-bins,
facilitating component separation in instances where individual pixels lack
well-resolved information. We demonstrate the applicability of the method to
real experimental physics problems using fluorescence lifetime microscopy and
mode decomposition in optical fibers as test cases. The successful application
of our approach to these two distinct experimental cases, characterized by
different measured distributions, highlights the versatility of our approach in
addressing a wide array of imaging tasks.
- Abstract(参考訳): 異なる重なり合い成分の測定には、生の多次元計測を有用な不混合画像に変換するためのロバストな不混合アルゴリズムが必要である。
このようなアルゴリズムは、生信号が完全に解決されたときにコンポーネントを確実に分離し、生の分布に曲線を合わせるのに十分な情報を含む。
実験物理学では、測定はしばしばノイズ、アンサンプ、空間的またはスペクトル的に未解決である。
本稿では,多次元畳み込みニューラルネットワークの潜時空間に帯域通過フィルタを適用し,重なり合う信号成分を分離し,それぞれの相対的寄与を抽出する手法を提案する。
多次元の畳み込みカーネルで全ての次元を同時に処理することで、隣接するピクセルと時間またはスペクトルビンの情報を組み合わせて、個々のピクセルがよく解決された情報を欠いているインスタンスでのコンポーネント分離を容易にする。
本研究では,光ファイバーの蛍光寿命顕微鏡とモード分解による実実験物理問題への適用性を実証した。
測定分布の違いを特徴とする,これら2つの異なる実験例へのアプローチの応用の成功は,幅広い画像課題に対するアプローチの汎用性を強調している。
関連論文リスト
- Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳(メタデータ) (2022-11-15T17:57:12Z) - All-optical image classification through unknown random diffusers using
a single-pixel diffractive network [13.7472825798265]
ランダムで未知の散乱媒体の背後にある物体の分類は、計算画像とマシンビジョンフィールドの難しいタスクをセットする。
近年の深層学習に基づくアプローチは、画像センサによって収集されたディフューザ歪みパターンを用いた物体の分類を実証した。
本稿では,1画素で検出されたブロードバンド照明を用いて未知の物体をランダムな位相拡散器で直接分類する全光学プロセッサを提案する。
論文 参考訳(メタデータ) (2022-08-08T08:26:08Z) - Toward deep-learning-assisted spectrally-resolved imaging of magnetic
noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。
これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文 参考訳(メタデータ) (2022-08-01T19:18:26Z) - Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image
Super-Resolution with Subpixel Fusion [67.35540259040806]
サブピクセルレベルのHS超解像フレームワークを提案する。
名前が示すように、DC-Netはまず入力を共通(またはクロスセンサー)とセンサー固有のコンポーネントに分離する。
我々は,CSUネットの裏側に自己教師付き学習モジュールを付加し,素材の整合性を保証し,復元されたHS製品の詳細な外観を向上する。
論文 参考訳(メタデータ) (2022-05-07T23:40:36Z) - Spectral Unmixing of Hyperspectral Images Based on Block Sparse
Structure [1.491109220586182]
本稿では,ブロックスパース構造とスパースベイズ学習戦略に基づくハイパースペクトル画像(HSI)のスペクトルアンミックス手法を提案する。
論文 参考訳(メタデータ) (2022-04-10T09:37:41Z) - Incorporating Texture Information into Dimensionality Reduction for
High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。
画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文 参考訳(メタデータ) (2022-02-18T13:17:43Z) - Mining the manifolds of deep generative models for multiple
data-consistent solutions of ill-posed tomographic imaging problems [10.115302976900445]
断層撮影は一般的に逆問題である。
本稿では,トモグラフィ逆問題に対する複数の解を求める経験的サンプリング手法を提案する。
論文 参考訳(メタデータ) (2022-02-10T20:27:31Z) - LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution
Homography Estimation [52.63874513999119]
クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。
既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。
本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
論文 参考訳(メタデータ) (2021-06-08T02:51:45Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳(メタデータ) (2021-03-25T15:20:10Z) - Learning Inter- and Intra-frame Representations for Non-Lambertian
Photometric Stereo [14.5172791293107]
2段階の畳み込みニューラルネットワーク(CNN)アーキテクチャを構築し、フレーム間およびフレーム内表現を構築します。
フレーム間およびフレーム間特徴抽出モジュールを配置する最適スキームを特定するために,ネットワーク設計の代替案を多数検討した。
論文 参考訳(メタデータ) (2020-12-26T11:22:56Z) - Convolutional Autoencoder for Blind Hyperspectral Image Unmixing [0.0]
スペクトルアンミックス(英: spectrum unmixing)は、混合ピクセルを2つの基本的代表、すなわちエンドメンバーとアブリダンスに分解する技法である。
本稿では,ハイパースペクトル画像にブラインドアンミックスを行う新しいアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-11-18T17:41:31Z)
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。