Fugu-MT 論文翻訳(概要): FlameGS: Reconstruct flame light field via Gaussian Splatting

論文の概要: FlameGS: Reconstruct flame light field via Gaussian Splatting

arxiv url: http://arxiv.org/abs/2412.19841v1
Date: Tue, 24 Dec 2024 11:00:26 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-31 16:04:49.148263
Title: FlameGS: Reconstruct flame light field via Gaussian Splatting
Title（参考訳）: FlameGS:Gaussian Splattingによる火炎光フィールドの再構築
Authors: Yunhao Shui, Fuhao Zhang, Can Gao, Hao Xue, Zhiyin Ma, Gang Xun, Xuesong Li,
Abstract要約: 本稿では,火炎シミュレーション技術に触発された火炎の新しい表現法を提案する。実際の画像と予測された2次元投影の間の平均構造的類似度指数は0.96であり、ピーク信号対ノイズ比は39.05である。
参考スコア（独自算出の注目度）: 4.907647602688227
License:
Abstract: To address the time-consuming and computationally intensive issues of traditional ART algorithms for flame combustion diagnosis, inspired by flame simulation technology, we propose a novel representation method for flames. By modeling the luminous process of flames and utilizing 2D projection images for supervision, our experimental validation shows that this model achieves an average structural similarity index of 0.96 between actual images and predicted 2D projections, along with a Peak Signal-to-Noise Ratio of 39.05. Additionally, it saves approximately 34 times the computation time and about 10 times the memory compared to traditional algorithms.
Abstract（参考訳）: 火炎シミュレーション技術に触発された従来のARTアルゴリズムの時間的・計算的問題に対処するため,火炎に対する新しい表現法を提案する。火炎の発光過程をモデル化し、2次元プロジェクション画像を用いた監視実験により、実画像と予測2次元プロジェクションの平均構造類似度指数が0.96であり、ピーク信号対ノイズ比が39.05であることを示す。さらに、従来のアルゴリズムの約34倍の計算時間と10倍のメモリを節約する。

関連論文リスト

bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
論文参考訳（メタデータ） (2024-10-30T17:30:35Z)
Fire Dynamic Vision: Image Segmentation and Tracking for Multi-Scale Fire and Plume Behavior [0.0]
野火は正確な火と羽ばたきの模型の必要性を強調している。本研究では,様々な空間的・時間的スケールで火と煙の挙動を効果的に分離・追跡する手法を提案する。提案手法は, 画像分割とグラフ理論を組み合わせることで, 火災前線と羽根境界を規定する。
論文参考訳（メタデータ） (2024-08-16T19:25:19Z)
ReNoise: Real Image Inversion Through Iterative Noising [62.96073631599749]
本研究では,操作数を増やすことなく,高い品質と操作率の逆転法を導入し,再現精度を向上する。我々は,近年の高速化拡散モデルを含む様々なサンプリングアルゴリズムとモデルを用いて,Renoise手法の性能を評価する。
論文参考訳（メタデータ） (2024-03-21T17:52:08Z)
SplitNeRF: Split Sum Approximation Neural Field for Joint Geometry, Illumination, and Material Estimation [65.99344783327054]
本稿では, 実世界の物体の形状, 材料特性, 照明特性を推定してデジタル化する手法を提案する。提案手法は,実時間物理ベースのレンダリングに画像ベースの照明で使用される分割和近似を,レーダランスニューラルネットワーク(NeRF)パイプラインに組み込む。提案手法は,NVIDIA A100 GPUを1つのGPUで1時間に1ドル程度のトレーニングをした後で,最先端のリライト品質を実現することができる。
論文参考訳（メタデータ） (2023-11-28T10:36:36Z)
Learning Structure-Guided Diffusion Model for 2D Human Pose Estimation [71.24808323646167]
ニューラルネットワークを用いてキーポイントのヒートマップを学習するための新しいスキームである textbfDiffusionPose を提案する。トレーニング中、キーポイントはノイズを加えることでランダム分布に拡散され、拡散モデルはノイズ付きヒートマップから地中構造熱マップを復元する。実験では、広く使用されているCOCO、CrowdPose、AI Challengeデータセット上で1.6、1.2、1.2mAPの改善による、私たちのスキームの長所が示されている。
論文参考訳（メタデータ） (2023-06-29T16:24:32Z)
Poisson-Gaussian Holographic Phase Retrieval with Score-based Image Prior [19.231581775644617]
本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。 PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
論文参考訳（メタデータ） (2023-05-12T18:08:47Z)
Estimation of excess air coefficient on coal combustion processes via gauss model and artificial neural network [0.0]
CCDカメラで得られた炎像と余剰空気係数(ラムダ)の関係をモデル化した。特徴ラムダのマッチングには多層人工ニューラルネットワーク(ANN)が用いられている。
論文参考訳（メタデータ） (2021-07-23T18:47:56Z)
Hierarchical Temperature Imaging Using Pseudo-Inversed Convolutional Neural Network Aided TDLAS Tomography [16.39189394591311]
畳み込みニューラルネットワーク(CNN)は、画像再構成においてより堅牢で正確であることが証明されている。階層型温度イメージングのためのPseudo-Inversed CNN(PI-CNN)を提案する。
論文参考訳（メタデータ） (2021-06-05T14:14:41Z)
Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文参考訳（メタデータ） (2020-08-25T03:30:53Z)
Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
論文参考訳（メタデータ） (2020-07-04T08:23:07Z)

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。