論文の概要: Two-Dimensional Unknown View Tomography from Unknown Angle Distributions

• arxiv url: http://arxiv.org/abs/2501.02872v1
• Date: Mon, 06 Jan 2025 09:27:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:07:03.885074
• Title: Two-Dimensional Unknown View Tomography from Unknown Angle Distributions
• Title（参考訳）: 未知角分布からの2次元未知視線トモグラフィ
• Authors: Kaishva Chintan Shah, Karthik S. Gurumoorthy, Ajit Rajwade,
• Abstract要約: 本研究では,視角の分布が不明な場合,未知の視角下での2次元トモグラフィー手法を提案する。 2D UVT問題に関する中程度の文献があるが、既存の2D UVTアルゴリズムの多くは、通常利用できない角度分布の知識を前提としている。 提案手法は, クロスバリデーション誤差に基づく最適化タスクとして問題を定式化し, 基礎となる2次元構造と連動して角度分布を推定する。 我々はPCA法とグラフラプラシアン・トモグラフィー(GLT)を用いて雑音予測によるアルゴリズムの性能評価を行った。
• 参考スコア（独自算出の注目度）: 2.4961059113841952
• License:
• Abstract: This study presents a technique for 2D tomography under unknown viewing angles when the distribution of the viewing angles is also unknown. Unknown view tomography (UVT) is a problem encountered in cryo-electron microscopy and in the geometric calibration of CT systems. There exists a moderate-sized literature on the 2D UVT problem, but most existing 2D UVT algorithms assume knowledge of the angle distribution which is not available usually. Our proposed methodology formulates the problem as an optimization task based on cross-validation error, to estimate the angle distribution jointly with the underlying 2D structure in an alternating fashion. We explore the algorithm's capabilities for the case of two probability distribution models: a semi-parametric mixture of von Mises densities and a probability mass function model. We evaluate our algorithm's performance under noisy projections using a PCA-based denoising technique and Graph Laplacian Tomography (GLT) driven by order statistics of the estimated distribution, to ensure near-perfect ordering, and compare our algorithm to intuitive baselines.
• Abstract（参考訳）: 本研究では,視角の分布が不明な場合,未知の視角下での2次元トモグラフィー手法を提案する。 未知視線トモグラフィー(英: Unknown view tomography、UVT)は、低温電子顕微鏡やCTシステムの幾何キャリブレーションで発生する問題である。 2D UVT問題に関する中程度の文献があるが、既存の2D UVTアルゴリズムの多くは、通常利用できない角度分布の知識を前提としている。 提案手法は,角度分布と基礎となる2次元構造を交互に推定するために,クロスバリデーション誤差に基づく最適化タスクとして問題を定式化する。 本稿では,フォン・ミセス密度の半パラメトリック混合モデルと確率質量関数モデルという2つの確率分布モデルの場合のアルゴリズムの機能について検討する。 推定分布の順序統計によって駆動されるPCA法とグラフラプラシアン・トモグラフィー(GLT)を用いて、ノイズの多い予測の下でのアルゴリズムの性能を評価し、ほぼ完全な順序付けを保証し、アルゴリズムを直感的なベースラインと比較する。

関連論文リスト

• Linear Anchored Gaussian Mixture Model for Location and Width Computations of Objects in Thick Line Shape [1.7205106391379021]
  3次元画像グレーレベル表現は、統計分布の有限混合モデルであると考えられている。 入力データとして元の画像を用いた期待最大化アルゴリズム(Algo1)を用いてモデルパラメータを推定する。 修正EMアルゴリズム(Algo2)について詳述する。
  論文  参考訳（メタデータ） (2024-04-03T20:05:00Z)
• Deep Learning-Based Anomaly Detection in Synthetic Aperture Radar Imaging [11.12267144061017]
  本手法は,異常を周囲から逸脱する異常パターンとみなすが,その特徴を事前に把握していない。 提案手法は自己教師付きアルゴリズムを用いてこれらの問題に対処することを目的としている。 従来のReed-Xiaoliアルゴリズムと比較して,提案手法の利点を示す実験を行った。
  論文  参考訳（メタデータ） (2022-10-28T10:22:29Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Unsupervised Homography Estimation with Coplanarity-Aware GAN [39.477228263736905]
  画像ペアからホモグラフィーを推定することは、画像アライメントの根本的な問題である。 HomoGANは、教師なしのホモグラフィー推定を誘導し、支配的な平面に焦点を合わせるように設計されている。 その結果, マッチング誤差は従来のSOTA法よりも22%低いことがわかった。
  論文  参考訳（メタデータ） (2022-05-08T09:26:47Z)
• 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)
• Scatter Correction in X-ray CT by Physics-Inspired Deep Learning [26.549671705231145]
  X線CT(CT)の基本的な問題は、光子と画像オブジェクトの相互作用による散乱である。 散乱補正法は、ハードウェアベースとソフトウェアベースの2つのカテゴリに分類できる。 本研究では,PhILSCATとOV-PhILSCATの2種類の深層学習法を提案する。
  論文  参考訳（メタデータ） (2021-03-21T22:51:20Z)
• Graph Embedding with Data Uncertainty [113.39838145450007]
  スペクトルベースのサブスペース学習は、多くの機械学習パイプラインにおいて、一般的なデータ前処理ステップである。 ほとんどの部分空間学習法は、不確実性の高いデータにつながる可能性のある測定の不正確さやアーティファクトを考慮していない。
  論文  参考訳（メタデータ） (2020-09-01T15:08:23Z)
• 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)
• GAN-based Priors for Quantifying Uncertainty [0.6091702876917281]
  ベイズ更新において, GAN (Deep Generative Adversarial Network) が学習した近似分布を先行として用いる方法を示す。 このアプローチの有効性を2つの異なる、そして非常に広い、問題のクラスで実証する。
  論文  参考訳（メタデータ） (2020-03-27T18:52:54Z)
• Semiparametric Nonlinear Bipartite Graph Representation Learning with Provable Guarantees [106.91654068632882]
  半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。 提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。 我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
  論文  参考訳（メタデータ） (2020-03-02T16:40:36Z)
• Data Augmentation for Histopathological Images Based on Gaussian-Laplacian Pyramid Blending [59.91656519028334]
  データ不均衡は、機械学習(ML)アルゴリズムに影響を及ぼす主要な問題である。 本稿では、HIデータセットを増大させるだけでなく、患者間の変動を分散させる新しいアプローチを提案する。 BreakHisデータセットの実験結果から、文献で示されたDA手法の大多数は、有望な利得を示している。
  論文  参考訳（メタデータ） (2020-01-31T22:02:57Z)

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。