Fugu-MT 論文翻訳(概要): Neural Vector Tomography for Reconstructing a Magnetization Vector Field

論文の概要: Neural Vector Tomography for Reconstructing a Magnetization Vector Field

arxiv url: http://arxiv.org/abs/2412.09927v1
Date: Fri, 13 Dec 2024 07:28:14 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-16 15:01:57.333683
Title: Neural Vector Tomography for Reconstructing a Magnetization Vector Field
Title（参考訳）: 磁化ベクトル場再構成のためのニューラルベクトルトモグラフィ
Authors: Giorgi Butbaia, Jiadong Zang,
Abstract要約: 本研究では,スムーズなニューラルネットワークを用いて基礎となるベクトル場をモデル化する。ニューラルネットワークの活性化関数が滑らかに選択される可能性があるため、モデルは高品質な再構成をもたらす。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Discretized techniques for vector tomographic reconstructions are prone to producing artifacts in the reconstructions. The quality of these reconstructions may further deteriorate as the amount of noise increases. In this work, we instead model the underlying vector fields using smooth neural fields. Owing to the fact that the activation functions in the neural network may be chosen to be smooth and the domain is no longer pixelated, the model results in high-quality reconstructions, even under presence of noise. In the case where we have underlying global continuous symmetry, we find that the neural network substantially improves the accuracy of the reconstruction over the existing techniques.
Abstract（参考訳）: ベクトルトモグラフィー再構成のための離散化技術は、再構成において人工物を生成する傾向にある。これらの復元の質は、ノイズの量が増えるにつれてさらに悪化する可能性がある。この研究では、スムーズなニューラルネットワークを用いて基礎となるベクトル場をモデル化する。ニューラルネットワークの活性化関数が滑らかに選択され、ドメインがピクセル化されなくなったという事実から、このモデルはノイズがあっても高品質な再構成をもたらす。大域連続対称性の根底にある場合、ニューラルネットワークは既存の手法よりも再構築の精度を大幅に向上させる。

関連論文リスト

Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文参考訳（メタデータ） (2023-11-22T05:44:51Z)
Neural Poisson Surface Reconstruction: Resolution-Agnostic Shape Reconstruction from Point Clouds [53.02191521770926]
我々は,3次元形状を点から復元するという課題に対処する形状再構成アーキテクチャであるニューラルポアソン表面再構成(nPSR)を導入する。 nPSRには2つの大きな利点がある: まず、高分解能評価において同等の性能を達成しつつ、低分解能データの効率的なトレーニングを可能にする。全体として、ニューラル・ポアソン表面の再構成は、形状再構成における古典的なディープニューラルネットワークの限界を改良するだけでなく、再構築品質、走行時間、分解能非依存の観点からも優れた結果が得られる。
論文参考訳（メタデータ） (2023-08-03T13:56:07Z)
PERF: Performant, Explicit Radiance Fields [1.933681537640272]
放射場に基づく画像に基づく3次元再構成手法を提案する。体積再構成の問題は非線形最小二乗問題として定式化され、ニューラルネットワークを使わずに明示的に解かれる。
論文参考訳（メタデータ） (2021-12-10T15:29:00Z)
Advantage of Machine Learning over Maximum Likelihood in Limited-Angle Low-Photon X-Ray Tomography [0.0]
再建過程における事前分布を決定・適用するために,深層ニューラルネットワークを導入する。私たちのニューラルネットワークは、合成トレーニングサンプルから直接、事前を学習します。プロジェクション角と光子予算が限られている場合, 深部生成モデルによる先行モデルにより, IC再建の精度が劇的に向上することが実証された。
論文参考訳（メタデータ） (2021-11-15T16:24:12Z)
Divide-and-Assemble: Learning Block-wise Memory for Unsupervised Anomaly Detection [40.778313918994996]
再構成に基づく手法は、画像の教師なし異常検出において重要な役割を果たす。本研究では,画像の再構成を分割組立手順として解釈する。我々は、挑戦的なMVTec ADデータセット上で最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2021-07-28T01:14:32Z)
NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view Reconstruction [88.02850205432763]
物体やシーンを2次元画像入力から高忠実度に再構成するニュートラルサーフェス(NeuS)を提案する。 DVRやIDRのような既存の神経表面再構成アプローチでは、フォアグラウンドマスクを監督する必要がある。本研究では,従来のボリュームレンダリング手法が表面再構成に固有の幾何学的誤差を引き起こすことを観察する。マスクの監督なしでもより正確な表面再構成を実現するため,第一次近似ではバイアスのない新しい定式化を提案する。
論文参考訳（メタデータ） (2021-06-20T12:59:42Z)
Over-and-Under Complete Convolutional RNN for MRI Reconstruction [57.95363471940937]
MR画像再構成のための最近のディープラーニングに基づく手法は、通常、汎用的なオートエンコーダアーキテクチャを利用する。 OUCR(Over-and-Under Complete Convolu?tional Recurrent Neural Network)を提案する。提案手法は, トレーニング可能なパラメータの少ない圧縮されたセンシングと, 一般的なディープラーニングに基づく手法に対して, 大幅な改善を実現する。
論文参考訳（メタデータ） (2021-06-16T15:56:34Z)
Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文参考訳（メタデータ） (2021-04-05T13:05:22Z)
Modeling the Nonsmoothness of Modern Neural Networks [35.93486244163653]
ピークの大きさの和(SMP)という特徴を用いて不滑らかさを定量化する。この非平滑性機能は、ニューラルネットワークの回帰ベースのアプリケーションのためのフォレンジックツールとして利用される可能性があると考えます。
論文参考訳（メタデータ） (2021-03-26T20:55:19Z)
Enhanced MRI Reconstruction Network using Neural Architecture Search [22.735244777008422]
残差基本ブロックを用いたMRI再構成ネットワークを提案する。基本ブロック内の各セルに対して、差別化可能なニューラルアーキテクチャサーチ(NAS)技術を用いて、最適な操作を自動的に選択する。この新しい異種ネットワークは2つの公開データセットで評価され、現在の最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-08-19T03:44:31Z)
Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
論文参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。