論文の概要: Information-driven design of imaging systems

• arxiv url: http://arxiv.org/abs/2405.20559v3
• Date: Fri, 17 Jan 2025 23:10:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:14:29.866085
• Title: Information-driven design of imaging systems
• Title（参考訳）: 画像システムの情報駆動設計
• Authors: Henry Pinkard, Leyla Kabuli, Eric Markley, Tiffany Chien, Jiantao Jiao, Laura Waller,
• Abstract要約: 本稿では,画像システム計測の情報量を推定するためのデータ駆動型手法を提案する。 我々は,これらの情報推定が様々な画像モダリティにわたってシステム性能を確実に予測することを検証する。 この研究は、画像システムを分析し設計するための強力で実用的なツールとして情報理論を解き放つ。
• 参考スコア（独自算出の注目度）: 13.875054825191292
• License:
• Abstract: Most modern imaging systems process the data they capture computationally, either to make the measurement more interpretable for human viewing or to analyze it without a human in the loop. As a result, what matters is not how measurements appear visually, but how much information they contain. Information theory provides mathematical tools to quantify this; however, it has found limited use in imaging system design due to the challenge of developing methods that can handle the complexity of real-world measurements yet remain practical enough for widespread use. We introduce a data-driven approach for estimating the information content of imaging system measurements in order to evaluate system performance and optimize designs. Our framework requires only a dataset of experimental measurements and a means for noise characterization, enabling its use in real systems without ground truth data. We validate that these information estimates reliably predict system performance across diverse imaging modalities, including color photography, radio astronomy, lensless imaging, and label-free microscopy. We further introduce an optimization technique called Information-Driven Encoder Analysis Learning (IDEAL) for designing imaging systems that maximize information capture. This work unlocks information theory as a powerful, practical tool for analyzing and designing imaging systems across a broad range of applications. A video summarizing this work can be found at https://waller-lab.github.io/EncodingInformationWebsite/
• Abstract（参考訳）: 現代のイメージングシステムでは、計測結果を人間の視界でより解釈可能にしたり、ループに人間がいない状態で分析したりするために、コンピュータで捉えたデータを処理している。 その結果、重要なことは、どのように計測が視覚的にどのように見えるかではなく、どれだけの情報を含んでいるかである。 情報理論は、これを定量化するための数学的ツールを提供するが、実世界の測定の複雑さに対処できる手法を開発することの難しさから、イメージングシステム設計において限られた用途しか利用されていない。 本稿では,システム性能を評価し,設計を最適化するために,画像システム計測の情報内容を推定するためのデータ駆動手法を提案する。 我々のフレームワークは実験的な測定のデータセットとノイズ評価の手段しか必要とせず、地上の真理データなしで実システムで使用することができる。 我々は,カラー写真,ラジオ天文学,レンズレスイメージング,ラベルレス顕微鏡など,様々な画像モダリティのシステム性能を確実に予測できることを検証した。 さらに,情報キャプチャを最大化するイメージングシステムを設計するためのIDEAL(Information-Driven Encoder Analysis Learning)という最適化手法を導入する。 この研究は情報理論を、幅広いアプリケーションにわたって画像システムを分析し設計するための強力で実用的なツールとして解放する。 この作業を要約したビデオはhttps://waller-lab.github.io/EncodingInformationWebsite/にある。

関連論文リスト

• A workflow for segmenting soil and plant X-ray CT images with deep learning in Googles Colaboratory [45.99558884106628]
  我々はX線マイクロCT画像に畳み込みニューラルネットワークを適用するためのモジュラーワークフローを開発した。 クルミの葉, アーモンドの花芽, 土壌集合体のサンプルスキャンを用いて, 最適な結果を得るために, パラメータを最適化する方法を示す。
  論文  参考訳（メタデータ） (2022-03-18T00:47:32Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Factors of Influence for Transfer Learning across Diverse Appearance Domains and Task Types [50.1843146606122]
  現在の最新のコンピュータビジョンモデルでは、簡単な転送学習が一般的です。 転校学習に関するこれまでの体系的な研究は限られており、作業が期待される状況は十分に理解されていない。 本論文では,非常に異なる画像領域にまたがる転送学習の広範な実験的研究を行う。
  論文  参考訳（メタデータ） (2021-03-24T16:24:20Z)
• Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
  本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。 本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。 また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2021-02-02T16:10:15Z)
• A Survey on Deep Learning Methods for Semantic Image Segmentation in Real-Time [0.0]
  ロボット工学や自動運転車など、多くの分野において、セマンティックイメージのセグメンテーションが不可欠である。 診断と治療の成功は、検討中のデータの極めて正確な理解に依存している。 近年のディープラーニングの進歩は、この問題に効果的かつ高精度に対処するためのツールを多数提供してきた。
  論文  参考訳（メタデータ） (2020-09-27T20:30:10Z)
• Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
  本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。 データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
  論文  参考訳（メタデータ） (2020-09-01T19:17:46Z)
• Online Graph Completion: Multivariate Signal Recovery in Computer Vision [29.89364298411089]
  グラフ上で定義された「完了」問題について検討し、追加測定の要求を順次行う必要がある。 グラフのフーリエ領域における最適化モデルを設計し、適応的な部分モジュラー性に基づくアイデアが実際にうまく機能するアルゴリズムをどう提供するかを記述する。 Imgurから収集した大量の画像では、分類が難しい画像について有望な結果が得られます。
  論文  参考訳（メタデータ） (2020-08-12T01:34:21Z)

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。