論文の概要: Wave (from) Polarized Light Learning (WPLL) method: high resolution spatio-temporal measurements of water surface waves in laboratory setups
- arxiv url: http://arxiv.org/abs/2410.14988v1
- Date: Sat, 19 Oct 2024 05:37:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:16:20.337547
- Title: Wave (from) Polarized Light Learning (WPLL) method: high resolution spatio-temporal measurements of water surface waves in laboratory setups
- Title(参考訳): 偏光学習(WPLL)法による水面波の高分解能時空間計測
- Authors: Noam Ginio, Michael Lindenbaum, Barak Fishbain, Dan Liberzon,
- Abstract要約: 本研究では,高分解能で表面標高と傾斜図を推定できる学習に基づく実験室実装のためのリモートセンシング手法を提案する。
この方法は、偏光強度から水面斜面を近似するディープニューラルネットワーク(DNN)モデルを用いる。
単純な波動列車で訓練を受けた後、WPLLは様々な波動場における水面と標高の高精度で正確な2次元再構成を行うことができる。
- 参考スコア(独自算出の注目度): 2.3599126081503177
- License:
- Abstract: Effective spatio-temporal measurements of water surface elevation (water waves) in laboratory experiments are crucial for scientific and engineering research. Existing techniques are often cumbersome, computationally heavy and generally suffer from limitations in wavenumber/frequency response. To address these challenges, we propose Wave (from) Polarized Light Learning (WPLL), a learning based remote sensing method for laboratory implementation, capable of inferring surface elevation and slope maps in high resolution. The method uses the polarization properties of light reflected from the water surface. The WPLL uses a deep neural network (DNN) model that approximates the water surface slopes from the polarized light intensities. Once trained on simple monochromatic wave trains, the WPLL is capable of producing high-resolution and accurate 2D reconstruction of the water surface slopes and elevation in a variety of irregular wave fields. The method's robustness is demonstrated by showcasing its high wavenumber/frequency response, its ability to reconstruct wave fields propagating at arbitrary angles relative to the camera optical axis, and its computational efficiency. This developed methodology is an accurate and cost-effective near-real time remote sensing tool for laboratory water surface waves measurements, setting the path for upscaling to open sea application for research, monitoring, and short-time forecasting.
- Abstract(参考訳): 実験室における水面上昇(水面上昇)の効果的な時空間測定は、科学的・工学的な研究に不可欠である。
既存の技術は、しばしば煩雑で計算的に重く、波数/周波数応答の制限に悩まされる。
これらの課題に対処するために,実験室実装のための学習に基づくリモートセンシング手法であるWave (from) Polarized Light Learning (WPLL)を提案する。
この方法は、水面から反射された光の偏光特性を利用する。
WPLLは、偏光強度から水面傾斜を近似するディープニューラルネットワーク(DNN)モデルを使用している。
単純な単色波の列車で訓練されたWPLLは、様々な不規則波場において、水面斜面と標高の高精度で正確な2D再構成を行うことができる。
この手法のロバスト性は、高い波数/周波数応答を示し、カメラ光軸に対して任意の角度で伝播する波動場を再構成し、その計算効率を示す。
本手法は, 実験用水面波計測のための精度が高く, 費用対効果の高い準リアルタイムリモートセンシングツールであり, 調査, モニタリング, 短期予測のための開海経路を設定する。
関連論文リスト
- Estimation of Physical Parameters of Waveforms With Neural Networks [0.8142555609235358]
フルウェーブフォームLiDARのポテンシャルは、単なる高さ推定や3D再構成よりもはるかに大きい。
既存のLiDARデータ解析の分野では、逆モデリングによる深さ推定や対数強度の回帰、減衰係数の近似のための深さ推定などがある。
本研究では,LIDARデータ解析におけるパラメータ推定のためのニューラルネットワークに基づく新しい解を提案する。
論文 参考訳(メタデータ) (2023-12-05T22:54:32Z) - RFTrans: Leveraging Refractive Flow of Transparent Objects for Surface
Normal Estimation and Manipulation [50.10282876199739]
本稿では、透明物体の表面正規化と操作のためのRGB-Dに基づくRFTransを提案する。
RFNetは屈折流、物体マスク、境界を予測し、次いでF2Netは屈折流から表面の正常を推定する。
現実のロボットがタスクをつかむと、成功率は83%となり、屈折流が直接シミュレートから現実への移動を可能にすることが証明される。
論文 参考訳(メタデータ) (2023-11-21T07:19:47Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳(メタデータ) (2023-05-18T12:30:26Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - Scalable Surface Water Mapping up to Fine-scale using Geometric Features
of Water from Topographic Airborne LiDAR Data [0.0]
可変反射特性ではなく, 水の幾何学的特性に着目した一意な手法を提案する。
この自然法則を接続性とともに活用することにより,小水域を精度良く同定することができる。
論文 参考訳(メタデータ) (2023-01-16T19:04:23Z) - Quantitative optical imaging method for surface acoustic waves using
optical path modulation [0.0]
結合強度を議論するためには、表面波振幅の正確な測定が必要であることが多い。
そこで我々は,SAWを定量的に特徴付ける簡単な測定手法を開発し,実演する。
論文 参考訳(メタデータ) (2022-12-14T17:46:43Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳(メタデータ) (2022-10-27T11:37:14Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳(メタデータ) (2022-08-18T15:27:40Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳(メタデータ) (2022-02-22T15:39:00Z) - Neuroevolution deep learning architecture search for estimation of river
surface elevation from photogrammetric Digital Surface Models [0.0]
機械学習を用いて、乱れたフォトグラムデータから水面上昇値(WSE)を抽出した。
データは、水文学、水文学、流体力学のモデルの検証と校正に使用することができ、水文学の予測をより正確にすることができる。
論文 参考訳(メタデータ) (2021-12-22T11:25:23Z) - Augmented Sliced Wasserstein Distances [55.028065567756066]
拡張スライスされたワッサーシュタイン距離(ASWD)と呼ばれる新しい距離測定法を提案する。
ASWDは、ニューラルネットワークによってパラメータ化された高次元超曲面への最初のマッピングサンプルによって構成される。
数値的な結果から、ASWDは、合成問題と実世界の問題の両方において、他のワッサーシュタイン変種を著しく上回っていることが示されている。
論文 参考訳(メタデータ) (2020-06-15T23:00:08Z)
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。