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

• Single-sample image-fusion upsampling of fluorescence lifetime images [0.9054230754796732]
  蛍光寿命イメージング顕微鏡は、分子間相互作用と生物学的プロセスに関する詳細な情報を提供する。 FLIMの最大のボトルネックは、高い取得速度での画像解像度である。 本稿では,計算FLIM超解像に対するデータ融合手法SiSIFUSを提案する。
  論文  参考訳（メタデータ） (2024-04-19T10:19:18Z)
• Fluctuation-based deconvolution in fluorescence microscopy using plug-and-play denoisers [2.236663830879273]
  蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。 この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
  論文  参考訳（メタデータ） (2023-03-20T15:43:52Z)
• Dimensionality-Varying Diffusion Process [52.52681373641533]
  拡散モデルは、信号破壊プロセスを逆転して新しいデータを生成することを学習する。 信号分解による前方拡散過程の理論的一般化を行う。 FFHQで訓練された拡散モデルのFIDを,52.40から10.46までの1024Times1024$解像度で改善する。
  論文  参考訳（メタデータ） (2022-11-29T09:05:55Z)
• 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)
• 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)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• Neural network-based on-chip spectroscopy using a scalable plasmonic encoder [0.4397520291340694]
  従来の分光計は、サイズ、コスト、信号対雑音比(SNR)、スペクトル分解能によって設定されるトレードオフによって制限される。 本稿では,小型で低コストなオンチップセンシング方式を用いて,深層学習に基づくスペクトル再構成フレームワークを実証する。
  論文  参考訳（メタデータ） (2020-12-01T22:50:06Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。