論文の概要: arcjetCV: an open-source software to analyze material ablation

• arxiv url: http://arxiv.org/abs/2404.11492v1
• Date: Wed, 17 Apr 2024 15:47:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-18 13:25:44.183481
• Title: arcjetCV: an open-source software to analyze material ablation
• Title（参考訳）: arcjetCV:材料アブレーションを分析するオープンソースソフトウェア
• Authors: Alexandre Quintart, Magnus Haw, Federico Semeraro,
• Abstract要約: arcjetCVはオープンソースのPythonソフトウェアで、アークジェットテスト映像から熱シールド材質の凹みと凹み率の時間分解測定を自動化するように設計されている。 ArcjetCVは1次元(1D)畳み込みニューラルネットワーク(CNN)を含む機械学習モデルを使用してビデオセグメンテーションプロセスを自動化する グラフィカルユーザインタフェース(GUI)はユーザエクスペリエンスを単純化し、アプリケーションプログラミングインターフェース(API)はユーザーがスクリプトからコア関数を呼び出すことを可能にする。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: arcjetCV is an open-source Python software designed to automate time-resolved measurements of heatshield material recession and recession rates from arcjet test video footage. This new automated and accessible capability greatly exceeds previous manual extraction methods, enabling rapid and detailed characterization of material recession for any sample with a profile video. arcjetCV automates the video segmentation process using machine learning models, including a one-dimensional (1D) Convolutional Neural Network (CNN) to infer the time-window of interest, a two-dimensional (2D) CNN for image and edge segmentation, and a Local Outlier Factor (LOF) for outlier filtering. A graphical user interface (GUI) simplifies the user experience and an application programming interface (API) allows users to call the core functions from scripts, enabling video batch processing. arcjetCV's capability to measure time-resolved recession in turn enables characterization of non-linear processes (shrinkage, swelling, melt flows, etc.), contributing to higher fidelity validation and improved modeling of heatshield material performance. The source code associated with this article can be found at https://github.com/magnus-haw/arcjetCV.
• Abstract（参考訳）: arcjetCVはオープンソースのPythonソフトウェアで、Arcjetテストビデオ映像から熱シールド材質の凹凸と凹凸率の時間分解測定を自動化するように設計されている。 この新しい自動化とアクセス性は従来の手動抽出法を大きく超え、プロファイルビデオ付きサンプルの材料凹凸の迅速かつ詳細なキャラクタリゼーションを可能にする。 arcjetCVは1次元(1D)の畳み込みニューラルネットワーク(CNN)による興味のタイムウインドウの推測、画像とエッジのセグメンテーションのための2次元(2D)のCNN、アウトリーフィルタのためのローカル・アウトリー・ファクター(LOF)など、機械学習モデルによるビデオセグメンテーションプロセスを自動化する。 グラフィカルユーザインタフェース(GUI)はユーザエクスペリエンスを単純化し、アプリケーションプログラミングインターフェース(API)は、ユーザーがスクリプトからコア機能を呼び出し、ビデオバッチ処理を可能にする。 アークジェットCVの時間分解凹度測定能力により、非線形プロセス(収縮、膨潤、融解流など)のキャラクタリゼーションが可能となり、高忠実度検証に寄与し、熱シールド材料の性能のモデリングの改善に寄与する。 この記事に関連するソースコードはhttps://github.com/magnus-haw/arcjetCVにある。

関連論文リスト

• SIGMA:Sinkhorn-Guided Masked Video Modeling [69.31715194419091]
  SIGMA (Sinkhorn-guided Masked Video Modelling) は、新しいビデオ事前学習法である。 時空管の特徴を,限られた数の学習可能なクラスタに均等に分散する。 10個のデータセットによる実験結果から,より高性能で時間的,堅牢な映像表現を学習する上で,SIGMAの有効性が検証された。
  論文  参考訳（メタデータ） (2024-07-22T08:04:09Z)
• Appearance-Based Refinement for Object-Centric Motion Segmentation [85.2426540999329]
  本稿では,ビデオストリームの時間的一貫性を利用して,不正確なフローベース提案を補正する外観に基づく改善手法を提案する。 提案手法では,高精度なフロー予測マスクを模範として,シーケンスレベルの選択機構を用いる。 パフォーマンスは、DAVIS、YouTube、SegTrackv2、FBMS-59など、複数のビデオセグメンテーションベンチマークで評価されている。
  論文  参考訳（メタデータ） (2023-12-18T18:59:51Z)
• A Simple Recipe for Contrastively Pre-training Video-First Encoders Beyond 16 Frames [54.90226700939778]
  我々は,大規模な画像テキストモデルを浅部時間融合によりビデオに転送する共通パラダイムを構築した。 1)標準ビデオデータセットにおけるビデオ言語アライメントの低下による空間能力の低下と,(2)処理可能なフレーム数のボトルネックとなるメモリ消費の増大である。
  論文  参考訳（メタデータ） (2023-12-12T16:10:19Z)
• Deploying Machine Learning Models to Ahead-of-Time Runtime on Edge Using MicroTVM [2.144835105990896]
  我々は,学習済みモデルをバックエンド用のCソースライブラリに解析するエンドツーエンドのコードジェネレータを開発した。 特定の計算集約演算子は、専用アクセラレータに容易にオフロードできる。 ARM Cortex M4Fコア上で手動ジェスチャー認識実験を行う。
  論文  参考訳（メタデータ） (2023-04-10T19:56:48Z)
• DeepVATS: Deep Visual Analytics for Time Series [7.822594828788055]
  私たちは、Deep Visual Analyticsの分野を時系列データにもたらすオープンソースのツールであるDeepVATSを紹介します。 DeepVATSは、自己監督的な方法で、時系列のパッチを再構築するマスク付き時系列自動エンコーダを訓練する。 本稿では,DeepVATSの有効性を検証する結果について報告する。
  論文  参考訳（メタデータ） (2023-02-08T03:26:50Z)
• Multi-Attention Network for Compressed Video Referring Object Segmentation [103.18477550023513]
  ビデオオブジェクトのセグメンテーションの参照は、与えられた言語表現によって参照されるオブジェクトをセグメンテーションすることを目的としている。 既存の作業は通常、圧縮されたビデオビットストリームをセグメント化する前にRGBフレームにデコードする必要がある。 これにより、自動運転車やドローンなど、現実のコンピューティングリソースの制限されたシナリオでの応用が妨げられる可能性がある。
  論文  参考訳（メタデータ） (2022-07-26T03:00:52Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• TensorFlow with user friendly Graphical Framework for object detection API [0.0]
  Graphical Framework(TF-GraF)は、ディープラーニングデータフローのためのオープンソースのフレームワークであり、音声分析、自然言語処理、コンピュータビジョンのアプリケーションインターフェース(API)を含んでいる。 TF-GraFは、サーバ側のユーザアカウントに従って独立した仮想環境を提供し、クライアント側のCLIなしでのデータ前処理、トレーニング、評価を実行する。
  論文  参考訳（メタデータ） (2020-06-11T13:00:02Z)
• PHOTONAI -- A Python API for Rapid Machine Learning Model Development [2.414341608751139]
  PHOTONAIは、機械学習モデル開発の簡素化と高速化を目的とした、ハイレベルなPython APIである。 これは統一フレームワークとして機能し、ユーザーは異なるツールボックスからのアルゴリズムをカスタムのアルゴリズムシーケンスに簡単にアクセスし、組み合わせることができる。
  論文  参考訳（メタデータ） (2020-02-13T10:33:05Z)

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。