論文の概要: Prediction of microstructural representativity from a single image

• arxiv url: http://arxiv.org/abs/2410.19568v1
• Date: Fri, 25 Oct 2024 13:59:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-28 13:33:27.967174
• Title: Prediction of microstructural representativity from a single image
• Title（参考訳）: 単一画像からの微視的表現率の予測
• Authors: Amir Dahari, Ronan Docherty, Steve Kench, Samuel J. Cooper,
• Abstract要約: 本稿では、材料の単一画像(2Dまたは3D)で観測された位相分率の表現率を予測する方法を提案する。 提案手法は2点相関関数を用いて1つの画像(2Dまたは3D)から直接分散を推定する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this study, we present a method for predicting the representativity of the phase fraction observed in a single image (2D or 3D) of a material. Traditional approaches often require large datasets and extensive statistical analysis to estimate the Integral Range, a key factor in determining the variance of microstructural properties. Our method leverages the Two-Point Correlation function to directly estimate the variance from a single image (2D or 3D), thereby enabling phase fraction prediction with associated confidence levels. We validate our approach using open-source datasets, demonstrating its efficacy across diverse microstructures. This technique significantly reduces the data requirements for representativity analysis, providing a practical tool for material scientists and engineers working with limited microstructural data. To make the method easily accessible, we have created a web-application, \url{www.imagerep.io}, for quick, simple and informative use of the method.
• Abstract（参考訳）: 本研究では,材料の単一画像(2Dまたは3D)で観測される相分率の表現率を予測する手法を提案する。 従来のアプローチでは、マイクロ構造特性の分散を決定する重要な要素である積分レンジを推定するために、大きなデータセットと広範な統計分析を必要とすることが多い。 提案手法では,2点相関関数を用いて1つの画像(2Dまたは3D)から直接分散を推定し,関連する信頼度による位相分数予測を可能にする。 オープンソースデータセットによるアプローチの有効性を検証し,その有効性を示す。 この技術は、表現力分析のためのデータ要求を大幅に削減し、限られたミクロ構造データを扱う材料科学者や技術者に実用的なツールを提供する。 本手法を簡易に利用するために,Webアプリケーションである \url{www.imagerep.io} を開発した。

関連論文リスト

• On Discriminative Probabilistic Modeling for Self-Supervised Representation Learning [85.75164588939185]
  複数モーダルな)自己教師付き表現学習のための連続領域における識別確率モデル問題について検討する。 我々は、自己教師付き表現学習における現在のInfoNCEに基づくコントラスト損失の制限を明らかにするために一般化誤差解析を行う。
  論文  参考訳（メタデータ） (2024-10-11T18:02:46Z)
• Sparse Bayesian Multidimensional Item Response Theory [0.0]
  我々は,大規模なデータセットに対して最小限のチューニングとスケールを必要とする二項および順序項目MIRTのためのベイズプラットフォームを開発する。 ベイズ非パラメトリックスによるツールによる未知の潜在因子次元の問題に対処する。 本手法は, 微小サンプルにおいても高次元合成データの因子次元と潜時構造の両方を確実に回収する。
  論文  参考訳（メタデータ） (2023-10-26T23:50:50Z)
• Let us Build Bridges: Understanding and Extending Diffusion Generative Models [19.517597928769042]
  拡散に基づく生成モデルは、最近、有望な結果を得たが、多くのオープンな疑問を提起している。 この研究は、理論的な理解を深めるために、全体的なフレームワークを再検討しようと試みている。 1)拡散生成モデルを学習するための最初の理論的誤り解析,2)異なる離散および制約された領域からのデータを学ぶための単純で統一的なアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-31T08:58:10Z)
• Three-dimensional microstructure generation using generative adversarial neural networks in the context of continuum micromechanics [77.34726150561087]
  本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。 軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
  論文  参考訳（メタデータ） (2022-05-31T13:26:51Z)
• 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)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Data-Driven Learning of 3-Point Correlation Functions as Microstructure Representations [8.978973486638253]
  様々なミクロ構造が3点相関の簡潔な部分集合によって特徴づけられることを示す。 提案した表現は, 有効媒質理論に基づく材料特性の計算に利用することができる。
  論文  参考訳（メタデータ） (2021-09-06T06:15:57Z)
• From Canonical Correlation Analysis to Self-supervised Graph Neural Networks [99.44881722969046]
  本稿では,グラフデータを用いた自己教師付き表現学習のための概念的単純かつ効果的なモデルを提案する。 古典的カノニカル相関解析にインスパイアされた,革新的な特徴レベルの目的を最適化する。 提案手法は、7つの公開グラフデータセット上で競合的に動作する。
  論文  参考訳（メタデータ） (2021-06-23T15:55:47Z)
• Self-Supervised Multi-Frame Monocular Scene Flow [61.588808225321735]
  自己監督学習に基づくマルチフレーム一眼的シーンフローネットワークを導入。 自己監督学習に基づく単眼的シーンフロー法における最新の精度を観察する。
  論文  参考訳（メタデータ） (2021-05-05T17:49:55Z)
• Learning an Interpretable Graph Structure in Multi-Task Learning [18.293397644865454]
  本稿では,タスク間のマルチタスク学習と本質的な関係を解釈可能かつスパースなグラフで推定する新しい手法を提案する。 このグラフは各タスクのモデルパラメータと同時に学習するため、特定の予測問題におけるタスク間の臨界関係を反映する。
  論文  参考訳（メタデータ） (2020-09-11T18:58:14Z)
• Image-driven discriminative and generative machine learning algorithms for establishing microstructure-processing relationships [0.49259062564301753]
  我々は、画像認識、キャラクタリゼーション、予測機能構築のための改良された機械学習アプローチを開発する。 核燃料として現在開発中の二元合金(ウラニウムモリブデン)について検討した。 F1スコア95.1%は10の異なる熱力学的材料処理条件に対応するマイクログラフを区別するために達成された。
  論文  参考訳（メタデータ） (2020-07-27T10:36:18Z)

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。