論文の概要: Stochastic Geometry Models for Texture Synthesis of Machined Metallic Surfaces: Sandblasting and Milling

• arxiv url: http://arxiv.org/abs/2403.13439v1
• Date: Wed, 20 Mar 2024 09:27:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-21 17:28:32.107525
• Title: Stochastic Geometry Models for Texture Synthesis of Machined Metallic Surfaces: Sandblasting and Milling
• Title（参考訳）: 加工金属表面の集合組織合成のための確率幾何学モデル:サンドブラストとミリング
• Authors: Natascha Jeziorski, Claudia Redenbach,
• Abstract要約: 視覚面検査システムのためのトレーニング欠陥検出アルゴリズムには,大規模かつ代表的なトレーニングデータが必要である。 テクスチャ合成モデルを用いて微小な表面トポグラフィーをモデル化するデジタルツインが必要である。
• 参考スコア（独自算出の注目度）: 0.7673339435080445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Training defect detection algorithms for visual surface inspection systems requires a large and representative set of training data. Often there is not enough real data available which additionally cannot cover the variety of possible defects. Synthetic data generated by a synthetic visual surface inspection environment can overcome this problem. Therefore, a digital twin of the object is needed, whose micro-scale surface topography is modeled by texture synthesis models. We develop stochastic texture models for sandblasted and milled surfaces based on topography measurements of such surfaces. As the surface patterns differ significantly, we use separate modeling approaches for the two cases. Sandblasted surfaces are modeled by a combination of data-based texture synthesis methods that rely entirely on the measurements. In contrast, the model for milled surfaces is procedural and includes all process-related parameters known from the machine settings.
• Abstract（参考訳）: 視覚面検査システムのためのトレーニング欠陥検出アルゴリズムには,大規模かつ代表的なトレーニングデータが必要である。 多くの場合、潜在的な欠陥をカバーできない実際のデータが不足している。 合成視覚表面検査環境によって生成された合成データは、この問題を克服することができる。 そのため, テクスチャ合成モデルを用いて微視的表面トポグラフィーをモデル化したデジタルツインが必要である。 このような表面のトポグラフィー測定に基づいて,砂質表面および製粉面の確率的テクスチャモデルを構築した。 表面パターンが著しく異なるため、2つのケースで別々のモデリング手法を用いる。 サンドブラスト表面は、データに基づくテクスチャ合成法を組み合わせることでモデル化される。 対照的に、加工面のモデルは手続き的であり、マシン設定から知られているプロセス関連のパラメータをすべて含んでいる。

関連論文リスト

• SYNOSIS: Image synthesis pipeline for machine vision in metal surface inspection [1.1802456989915404]
  本研究では,表面検査のための画像合成手法を詳細に記述した完全なパイプラインを提案する。 パイプラインは、加工およびサンドブラスト加工されたアルミニウム表面に対して詳細に評価されている。
  論文  参考訳（メタデータ） (2024-10-18T19:46:12Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Ghost on the Shell: An Expressive Representation of General 3D Shapes [97.76840585617907]
  リアルな素材と照明で高速な物理ベースのレンダリングを可能にするので、メッシュは魅力的だ。 近年の3次元形状の再構成と統計的モデリングの研究は、メッシュをトポロジカルに非フレキシブルであると批判している。 我々は水密面上の多様体符号距離場を定義することにより開曲面をパラメータ化する。 G-Shellは、非水密メッシュ再構築および生成タスクにおける最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-10-23T17:59:52Z)
• Towards Multidimensional Textural Perception and Classification Through Whisker [0.0]
  ウィスカーベースの多次元表面テクスチャデータが欠落している。 多次元テクスチャ情報を取得するための新しいセンサ設計を提案する。 センサは、粗さが2.5mu m$以下のテクスチャを90%以上の精度で分類できることを実験的に検証した。
  論文  参考訳（メタデータ） (2022-09-01T11:14:17Z)
• Minimal Neural Atlas: Parameterizing Complex Surfaces with Minimal Charts and Distortion [71.52576837870166]
  我々は、新しいアトラスに基づく明示的なニューラルサーフェス表現であるミニマルニューラルアトラスを提案する。 その中核は完全学習可能なパラメトリック領域であり、パラメトリック空間の開平方上で定義された暗黙の確率的占有場によって与えられる。 我々の再構成は、トポロジーと幾何学に関する懸念の分離のため、全体的な幾何学の観点からより正確である。
  論文  参考訳（メタデータ） (2022-07-29T16:55:06Z)
• Automated Surface Texture Analysis via Discrete Cosine Transform and Discrete Wavelet Transform [2.3915097884016845]
  情報理論と信号エネルギーに基づく2つの自動しきい値選択アルゴリズムを提案する。 その結果,平均的精度は95%と良好な一致を示した。
  論文  参考訳（メタデータ） (2022-04-12T17:30:43Z)
• Data-driven and Automatic Surface Texture Analysis Using Persistent Homology [1.370633147306388]
  合成表面の粗さレベルを分類するためのトポロジカルデータ解析(TDA)手法を提案する。 我々は、表面の形状に関する情報をカプセル化する永続化図を生成する。 次に、Carlsson座標、永続画像、テンプレート関数を用いて、各表面またはプロファイルの特徴行列を求める。
  論文  参考訳（メタデータ） (2021-10-19T14:19:58Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
  1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。 ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。 提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
  論文  参考訳（メタデータ） (2020-08-18T06:33:40Z)
• Combining Implicit Function Learning and Parametric Models for 3D Human Reconstruction [123.62341095156611]
  深層学習近似として表される暗黙の関数は、3次元曲面の再構成に強力である。 このような機能は、コンピュータグラフィックスとコンピュータビジョンの両方に柔軟なモデルを構築するのに不可欠である。 詳細に富んだ暗黙関数とパラメトリック表現を組み合わせた方法論を提案する。
  論文  参考訳（メタデータ） (2020-07-22T13:46:14Z)
• Methodology for Building Synthetic Datasets with Virtual Humans [1.5556923898855324]
  大規模なデータセットは、ディープニューラルネットワークの改善、ターゲットトレーニングに使用することができる。 特に,100の合成IDからなるデータセットにまたがる複数の2次元画像のレンダリングに3次元形態素顔モデルを用いる。
  論文  参考訳（メタデータ） (2020-06-21T10:29:36Z)

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。