論文の概要: Robust Spectral Anomaly Detection in EELS Spectral Images via Three Dimensional Convolutional Variational Autoencoders

• arxiv url: http://arxiv.org/abs/2412.16200v1
• Date: Mon, 16 Dec 2024 23:55:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-29 07:32:27.605456
• Title: Robust Spectral Anomaly Detection in EELS Spectral Images via Three Dimensional Convolutional Variational Autoencoders
• Title（参考訳）: 3次元畳み込み変分オートエンコーダによるEELSスペクトル画像のロバストスペクトル異常検出
• Authors: Seyfal Sultanov, James P Buban, Robert F Klie,
• Abstract要約: EELS-SIデータにおける自動異常検出のための3次元畳み込み変分オートエンコーダ(3D-CVAE)を提案する。 負の対数損失とバルクスペクトルのトレーニングを用いることで、欠陥のない材料の特徴を持つバルク特性を再構築する。 以上の結果から, 3D-CVAEは異常検出に優れ, 各種シフトグレードにおける一貫した性能を維持していることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We introduce a Three-Dimensional Convolutional Variational Autoencoder (3D-CVAE) for automated anomaly detection in Electron Energy Loss Spectroscopy Spectrum Imaging (EELS-SI) data. Our approach leverages the full three-dimensional structure of EELS-SI data to detect subtle spectral anomalies while preserving both spatial and spectral correlations across the datacube. By employing negative log-likelihood loss and training on bulk spectra, the model learns to reconstruct bulk features characteristic of the defect-free material. In exploring methods for anomaly detection, we evaluated both our 3D-CVAE approach and Principal Component Analysis (PCA), testing their performance using Fe L-edge peak shifts designed to simulate material defects. Our results show that 3D-CVAE achieves superior anomaly detection and maintains consistent performance across various shift magnitudes. The method demonstrates clear bimodal separation between normal and anomalous spectra, enabling reliable classification. Further analysis verifies that lower dimensional representations are robust to anomalies in the data. While performance advantages over PCA diminish with decreasing anomaly concentration, our method maintains high reconstruction quality even in challenging, noise-dominated spectral regions. This approach provides a robust framework for unsupervised automated detection of spectral anomalies in EELS-SI data, particularly valuable for analyzing complex material systems.
• Abstract（参考訳）: 電子エネルギー損失分光分光画像(EELS-SI)データにおける自動異常検出のための3次元畳み込み変分オートエンコーダ(3D-CVAE)を提案する。 提案手法は,EELS-SIデータの全3次元構造を利用して,空間的およびスペクトル的相関をデータキュー間で保ちながら,微妙なスペクトル異常を検出する。 負の対数損失とバルクスペクトルのトレーニングを用いることで、欠陥のない材料の特徴を持つバルク特性を再構築する。 異常検出手法の探索において, 材料欠陥をシミュレートしたFeLエッジピークシフトを用いて, 3D-CVAE法と主成分分析(PCA)の両手法を比較した。 以上の結果から, 3D-CVAEは異常検出に優れ, 各種シフトグレードにおける一貫した性能を維持していることがわかった。 この手法は、正常スペクトルと異常スペクトルの明確なバイモーダル分離を示し、信頼性の高い分類を可能にする。 さらに、低次元表現がデータの異常に対して堅牢であることを確認する。 異常濃度の低下に伴いPCAに対する性能上の優位性は低下するが,本手法は難易度の高いスペクトル領域においても高い再構成品質を維持している。 このアプローチは、EELS-SIデータにおけるスペクトル異常の教師なし自動検出のための堅牢なフレームワークを提供する。

関連論文リスト

• Anomaly Detection via Autoencoder Composite Features and NCE [1.2891210250935148]
  オートエンコーダ(AE)または生成モデルは、通常入力のデータ分布をモデル化するためにしばしば使用される。 ノイズコントラスト推定(NCE)を訓練したAEと確率モデルの両方が異常検出を行うための非結合型トレーニング手法を提案する。
  論文  参考訳（メタデータ） (2025-02-04T01:29:22Z)
• Adaptive Signal Analysis for Automated Subsurface Defect Detection Using Impact Echo in Concrete Slabs [0.0]
  本研究は,コンクリートスラブの地下欠陥発生領域を検出するための,新しい,自動化された,スケーラブルな手法を提案する。 このアプローチは、高度な信号処理、クラスタリング、および視覚分析を統合して、地下の異常を識別する。 結果は方法論の堅牢性を示し、最小限の偽陽性とほとんど欠陥のない欠陥発生領域を一貫して同定した。
  論文  参考訳（メタデータ） (2024-12-23T20:05:53Z)
• DAS3D: Dual-modality Anomaly Synthesis for 3D Anomaly Detection [5.062312533373299]
  本稿では3次元異常合成のための新しい2次元モード拡張法を提案する。 本稿では,再構成に基づく識別異常検出ネットワークを提案する。 提案手法は,検出精度において最先端の手法よりも優れ,競争力のあるセグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2024-10-13T12:38:16Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Generating and Reweighting Dense Contrastive Patterns for Unsupervised Anomaly Detection [59.34318192698142]
  我々は、先行のない異常発生パラダイムを導入し、GRADと呼ばれる革新的な教師なし異常検出フレームワークを開発した。 PatchDiffは、様々な種類の異常パターンを効果的に公開する。 MVTec ADとMVTec LOCOデータセットの両方の実験も、前述の観測をサポートする。
  論文  参考訳（メタデータ） (2023-12-26T07:08:06Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Residual Degradation Learning Unfolding Framework with Mixing Priors across Spectral and Spatial for Compressive Spectral Imaging [29.135848304404533]
  符号化開口スナップショット分光画像(CASSI)が提案されている。 CASSIシステムの中核的な問題は、信頼性と微妙な基礎となる3次元スペクトル立方体を2次元測定から回収することである。 本稿では,センサマトリックスと劣化過程のギャップを埋めるResidual Degradation Learning Unfolding Framework (RDLUF)を提案する。
  論文  参考訳（メタデータ） (2022-11-13T12:31:49Z)
• A spectral-spatial fusion anomaly detection method for hyperspectral imagery [7.155465756606866]
  ハイパースペクトル画像に対してスペクトル融合異常検出法(SSFAD)を提案する。 新しい検出器は、空間領域におけるパッチ画像の局所的な類似性空間的特徴を抽出するように設計されている。
  論文  参考訳（メタデータ） (2022-02-24T03:54:48Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
  我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。 スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。 主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
  論文  参考訳（メタデータ） (2022-01-07T22:26:33Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)

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。