論文の概要: Towards virtual painting recolouring using Vision Transformer on X-Ray Fluorescence datacubes
- arxiv url: http://arxiv.org/abs/2410.08826v1
- Date: Fri, 11 Oct 2024 14:05:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 21:45:38.137505
- Title: Towards virtual painting recolouring using Vision Transformer on X-Ray Fluorescence datacubes
- Title（参考訳）: X線蛍光データキューブを用いた視覚変換器による仮想絵画復元に向けて
- Authors: Alessandro Bombini, Fernando García-Avello Bofías, Francesca Giambi, Chiara Ruberto,
- Abstract要約: 画像アートにおけるX線蛍光(XRF)分析の生データを用いて仮想絵画再構成を行うパイプラインを定義する。
データセットサイズを小さくするために、XRFスペクトルのデータベースから始まる合成データセットを生成する。
我々は、XRFスペクトルを低次元K平均対応計量空間に埋め込むための深部変分埋め込みネットワークを定義する。
- 参考スコア（独自算出の注目度）: 80.32085982862151
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this contribution, we define (and test) a pipeline to perform virtual painting recolouring using raw data of X-Ray Fluorescence (XRF) analysis on pictorial artworks. To circumvent the small dataset size, we generate a synthetic dataset, starting from a database of XRF spectra; furthermore, to ensure a better generalisation capacity (and to tackle the issue of in-memory size and inference time), we define a Deep Variational Embedding network to embed the XRF spectra into a lower dimensional, K-Means friendly, metric space. We thus train a set of models to assign coloured images to embedded XRF images. We report here the devised pipeline performances in terms of visual quality metrics, and we close on a discussion on the results.
- Abstract（参考訳）: 本研究では,X線蛍光(XRF)分析の生データを用いて仮想絵画再構成を行うパイプラインを定義し,その検証を行った。
データセットサイズを小さくするために、XRFスペクトルのデータベースから合成データセットを生成し、さらに、より優れた一般化能力を確保するために(インメモリサイズと推論時間の問題に対処するために)、XRFスペクトルを低次元のK-Meansフレンドリな計量空間に埋め込むためのDeep Variational Embeddingネットワークを定義する。
そこで我々は,カラー画像の組込みXRF画像へのアサインのために,モデルのセットを訓練する。
ここでは、ビジュアル品質のメトリクスの観点から、考案されたパイプラインのパフォーマンスを報告します。
関連論文リスト
- MatSpectNet: Material Segmentation Network with Domain-Aware and
Physically-Constrained Hyperspectral Reconstruction [13.451692195639696]
MatSpectNetは、RGB画像から回復したハイパースペクトル画像で材料を分割する新しいモデルである。
現代のカメラにおける色知覚の原理を利用して、再構成されたハイパースペクトル画像を制限する。
平均ピクセル精度は1.60%増加し、最新の出版物と比べて平均クラス精度は3.42%改善している。
論文 参考訳（メタデータ） (2023-07-21T10:02:02Z) - Multiscale Representation for Real-Time Anti-Aliasing Neural Rendering [84.37776381343662]
Mip-NeRFは、スケール情報をエンコードする円錐フラストラムとしてマルチスケール表現を提案する。
我々は,リアルタイムなアンチエイリアスレンダリングのためのマルチスケールな明示的表現であるmip voxel grids (Mip-VoG)を提案する。
私たちのアプローチは、マルチスケールのトレーニングとリアルタイムのアンチエイリアスレンダリングを同時に提供する最初の方法です。
論文 参考訳（メタデータ） (2023-04-20T04:05:22Z) - RTMV: A Ray-Traced Multi-View Synthetic Dataset for Novel View Synthesis [104.53930611219654]
約2000の複雑なシーンからレンダリングされた300k画像からなる,新しいビュー合成のための大規模合成データセットを提案する。
データセットは、新しいビュー合成のための既存の合成データセットよりも桁違いに大きい。
高品質な3Dメッシュの4つのソースを使用して、私たちのデータセットのシーンは、カメラビュー、照明、形状、材料、テクスチャの難しいバリエーションを示します。
論文 参考訳（メタデータ） (2022-05-14T13:15:32Z) - NeRF-SR: High-Quality Neural Radiance Fields using Super-Sampling [82.99453001445478]
主に低分解能(LR)入力を用いた高分解能(HR)新規ビュー合成のソリューションであるNeRF-SRを提案する。
提案手法は,多層パーセプトロンを用いて各点密度と色を予測するニューラルレージアンス場(NeRF)上に構築されている。
論文 参考訳（メタデータ） (2021-12-03T07:33:47Z) - Learning Neural Light Fields with Ray-Space Embedding Networks [51.88457861982689]
我々は、コンパクトで、光線に沿った統合放射率を直接予測する新しいニューラル光場表現を提案する。
提案手法は,Stanford Light Field データセットのような,高密度の前方向きデータセットの最先端品質を実現する。
論文 参考訳（メタデータ） (2021-12-02T18:59:51Z) - iNeRF: Inverting Neural Radiance Fields for Pose Estimation [68.91325516370013]
Neural RadianceField(NeRF)を「反転」してメッシュフリーポーズ推定を行うフレームワークiNeRFを紹介します。
NeRFはビュー合成のタスクに極めて有効であることが示されている。
論文 参考訳（メタデータ） (2020-12-10T18:36:40Z) - Image inpainting using frequency domain priors [35.54138025375951]
本稿では,周波数領域情報を用いた新しい画像塗装手法を提案する。
提案手法について,CelebA,Paris Streetview,DTDテクスチャデータセットを用いて検討した。
論文 参考訳（メタデータ） (2020-12-03T11:08:13Z)
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。