論文の概要: Vision Calorimeter: Migrating Visual Object Detector to High-energy Particle Images
- arxiv url: http://arxiv.org/abs/2408.10599v2
- Date: Sun, 16 Feb 2025 14:59:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-18 14:03:38.598444
- Title: Vision Calorimeter: Migrating Visual Object Detector to High-energy Particle Images
- Title（参考訳）: ビジョン・カロリメータ:高エネルギー粒子画像への視覚物体検出器の移動
- Authors: Hongtian Yu, Yangu Li, Yunfan Liu, Yunxuan Song, Xiaorui Lyu, Qixiang Ye,
- Abstract要約: Vision Calorimeter (ViC)は、高エネルギー粒子画像へ視覚オブジェクト検出技術を移行するデータ駆動フレームワークである。
ViCは従来のアプローチよりも大幅に優れており、インシデント位置予測エラーを46.16%削減した。
この研究は、高エネルギー物理学における汎用粒子パラメータ推定器としてのViCの大きなポテンシャルを裏付けるものである。
- 参考スコア（独自算出の注目度）: 32.42087197412159
- License:
- Abstract: In high-energy physics, accurately estimating the kinematic parameters (position and momentum) of anti-neutrons ($\bar{n}$) is essential for exploring the fundamental governing principles. However, this process is particularly challenging when using an electromagnetic calorimeter (EMC) as the energy detector, due to their limited accuracy and efficiency in interacting with $\bar{n}$. To address this issue, we propose Vision Calorimeter (ViC), a data-driven framework which migrates visual object detection techniques to high-energy particle images. To accommodate the unique characteristics of particle images, we introduce the heat-conduction operator (HCO) into both the backbone and the head of the conventional object detector and conduct significant structural improvements. HCO enjoys the advantage of both radial prior and global attention, as it is inspired by physical heat conduction which naturally aligns with the pattern of particle incidence. Implemented via the Discrete Cosine Transform (DCT), HCO extracts frequency-domain features, bridging the distribution gap between the particle images and the natural images on which visual object detectors are pre-trained. Experimental results demonstrate that ViC significantly outperforms traditional approaches, reducing the incident position prediction error by 46.16% (from 17.31$^{\circ}$ to 9.32$^{\circ}$) and providing the first baseline result with an incident momentum regression error of 21.48%. This study underscores ViC's great potential as a general-purpose particle parameter estimator in high-energy physics. Code is available at https://github.com/yuhongtian17/ViC.
- Abstract（参考訳）: 高エネルギー物理学において、反中性子の運動パラメータ(位置と運動量)を正確に推定することは、基本的な支配原理を探求するために不可欠である。
しかし、この過程は、$\bar{n}$と相互作用する際の精度と効率が限られているため、電磁カロリー計(EMC)をエネルギー検出器として使用する場合、特に困難である。
この問題に対処するために、高エネルギー粒子画像へ視覚物体検出技術に移行するデータ駆動型フレームワークViC(ViC)を提案する。
粒子画像の特異な特性に対応するため,従来の物体検出器の背骨と頭部に熱伝導演算子(HCO)を導入し,構造的改善を行った。
HCOは、粒子の入射パターンと自然に一致する物理的熱伝導にインスパイアされるため、放射状前波とグローバルな注目の両方の利点を享受する。
離散コサイン変換(DCT)によって実装され、HCOは周波数領域の特徴を抽出し、粒子画像と視覚オブジェクト検出器が事前訓練された自然画像との分配ギャップを埋める。
実験の結果、ViCは従来の手法よりも大幅に優れており、インシデント位置予測誤差は46.16%(17.31$^{\circ}$から9.32$^{\circ}$に減少し、インシデントモーメントの回帰誤差が21.48%である。
この研究は、高エネルギー物理学における汎用粒子パラメータ推定器としてのViCの大きなポテンシャルを裏付けるものである。
コードはhttps://github.com/yuhongtian17/ViC.comで入手できる。
関連論文リスト
- Interpreting Transformers for Jet Tagging [2.512200562089791]
本研究では, 注目熱マップと粒子対相関を$eta$-$phi$平面上で解析することによりParTの解釈に着目する。
同時に、ParTは崩壊に応じて重要な粒子やサブジェットに様々な焦点が当てられていることを示し、このモデルが従来のジェットサブ構造を学習していることを示す。
論文 参考訳（メタデータ） (2024-12-04T19:06:40Z) - Deep(er) Reconstruction of Imaging Cherenkov Detectors with Swin Transformers and Normalizing Flow Models [0.0]
チェレンコフ検出器のイメージングは、核物理学と粒子物理学の実験において粒子識別(PID)に不可欠である。
本稿では,複雑なヒットパターンを示すDIRC検出器に着目し,JLabのGlueX実験において,ピオンとカオンのPIDにも使用される。
We present Deep(er)RICH, a extension of the seminal DeepRICH work, offered improve and faster PID than traditional methods。
論文 参考訳（メタデータ） (2024-07-10T05:37:02Z) - Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。
古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。
本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
論文 参考訳（メタデータ） (2024-05-27T17:40:39Z) - vHeat: Building Vision Models upon Heat Conduction [63.00030330898876]
vHeatは、高い計算効率とグローバルな受容場の両方を同時に達成する、新しいビジョンバックボーンモデルである。
基本的な考え方は、画像パッチを熱源として概念化し、それらの相関の計算を熱エネルギーの拡散としてモデル化することである。
論文 参考訳（メタデータ） (2024-05-26T12:58:04Z) - TCI-Former: Thermal Conduction-Inspired Transformer for Infrared Small
Target Detection [58.00308680221481]
赤外線小目標検出(ISTD)は国家安全保障に重要であり、軍事分野で広く応用されている。
ほとんどの ISTD ネットワークは特徴抽出ブロックや特徴融合モジュールの設計に重点を置いているが、特徴写像の進化の観点から ISTD プロセスを記述することは稀である。
熱伝導理論に基づく熱伝導型変圧器(TCI-Former)を提案する。
論文 参考訳（メタデータ） (2024-02-03T05:51:22Z) - Object-centric Cross-modal Feature Distillation for Event-based Object
Detection [87.50272918262361]
RGB検出器は、イベントデータのばらつきと視覚的詳細の欠如により、イベントベースの検出器よりも優れている。
これら2つのモード間の性能ギャップを縮めるための新しい知識蒸留手法を開発した。
対象中心蒸留により,イベントベースの学生物体検出装置の性能が大幅に向上することを示す。
論文 参考訳（メタデータ） (2023-11-09T16:33:08Z) - Deep-learning-based decomposition of overlapping-sparse images: application at the vertex of neutrino interactions [2.5521723486759407]
本稿では,深層学習の力を利用して,多次元重なり合うスパース画像中の個々の物体を正確に抽出する手法を提案する。
これは、イメージング検出器から得られるオーバーレイド素粒子を分解した高エネルギー物理学の直接的な応用である。
論文 参考訳（メタデータ） (2023-10-30T16:12:25Z) - Interpretable Joint Event-Particle Reconstruction for Neutrino Physics
at NOvA with Sparse CNNs and Transformers [124.29621071934693]
本稿では,畳み込みによって実現される空間学習と,注意によって実現される文脈学習を組み合わせた新しいニューラルネットワークアーキテクチャを提案する。
TransformerCVNは各事象を同時に分類し、各粒子のアイデンティティを再構築する。
このアーキテクチャにより、ネットワークの予測に関する洞察を提供する、いくつかの解釈可能性の研究を行うことができる。
論文 参考訳（メタデータ） (2023-03-10T20:36:23Z) - Learning High-Precision Bounding Box for Rotated Object Detection via
Kullback-Leibler Divergence [100.6913091147422]
既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。
本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
論文 参考訳（メタデータ） (2021-06-03T14:29:19Z) - Clustering of Electromagnetic Showers and Particle Interactions with
Graph Neural Networks in Liquid Argon Time Projection Chambers Data [4.653747487703939]
液体アルゴン時間射影チャンバー(Liquid Argon Time Projection Chambers、LArTPC)は、荷電粒子の高解像度画像を生成する検出器である。
異なる粒子の超構造へのクラスター化は、現在と将来のニュートリノ物理学計画において中心的な重要性を持つ。
本稿ではグラフニューラルネットワーク(GNN)を用いて,EMシャワーフラグメントの隣接行列を予測し,シャワーの発生源を同定する。
論文 参考訳（メタデータ） (2020-07-02T18:32:25Z)
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。