論文の概要: Physics-Informed Super-Resolution Diffusion for 6D Phase Space Diagnostics

• arxiv url: http://arxiv.org/abs/2501.04305v1
• Date: Wed, 08 Jan 2025 06:34:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:54:45.371802
• Title: Physics-Informed Super-Resolution Diffusion for 6D Phase Space Diagnostics
• Title（参考訳）: 6次元位相空間診断のための物理インフォームド超解像拡散
• Authors: Alexander Scheinker,
• Abstract要約: 適応変分オートエンコーダは、初期ビーム条件画像とスカラー計測を低次元潜在空間に埋め込む。 6次元テンソルからの投影は物理的に一貫した2次元投影を生成する。 教師なし適応潜時空間チューニングは、時間変化ビームの追跡を可能にする。
• 参考スコア（独自算出の注目度）: 55.2480439325792
• License:
• Abstract: Adaptive physics-informed super-resolution diffusion is developed for non-invasive virtual diagnostics of the 6D phase space density of charged particle beams. An adaptive variational autoencoder (VAE) embeds initial beam condition images and scalar measurements to a low-dimensional latent space from which a 326 pixel 6D tensor representation of the beam's 6D phase space density is generated. Projecting from a 6D tensor generates physically consistent 2D projections. Physics-guided super-resolution diffusion transforms low-resolution images of the 6D density to high resolution 256x256 pixel images. Un-supervised adaptive latent space tuning enables tracking of time-varying beams without knowledge of time-varying initial conditions. The method is demonstrated with experimental data and multi-particle simulations at the HiRES UED. The general approach is applicable to a wide range of complex dynamic systems evolving in high-dimensional phase space. The method is shown to be robust to distribution shift without re-training.
• Abstract（参考訳）: 荷電粒子ビームの6次元位相空間密度の非侵襲的仮想診断のための適応物理学インフォームド超解像拡散法を開発した。 適応可変オートエンコーダ(VAE)は、ビームの6次元位相空間密度の326画素6Dテンソル表現を生成する低次元潜在空間に、初期ビーム条件画像とスカラー計測を埋め込む。 6次元テンソルからの投影は物理的に一貫した2次元投影を生成する。 物理誘導超解像拡散は6次元密度の低解像度画像を256x256ピクセルの高解像度に変換する。 教師なし適応潜時空間チューニングは、時間変化の初期条件を知らない時間変化ビームの追跡を可能にする。 この手法はHiRES UEDで実験データと多粒子シミュレーションを用いて実証された。 一般的なアプローチは、高次元位相空間で進化する幅広い複雑な力学系に適用できる。 本手法は, 再学習を伴わずに, 分散シフトに頑健であることが示されている。

関連論文リスト

• A Novel Convolution and Attention Mechanism-based Model for 6D Object Pose Estimation [49.1574468325115]
  RGB画像から6Dオブジェクトのポーズを推定することは、深度情報の欠如が2次元投影から3次元構造を推定する必要があるため困難である。 従来の手法はグリッドベースのデータ構造によるディープラーニングに頼っていることが多いが、抽出された機能間の複雑な依存関係を捉えるのに苦労している。 本稿では,各画素の時間的特徴がノードとして機能し,それらの関係はノード接続や空間的相互作用を通じて定義される,画像から直接のグラフベース表現を提案する。
  論文  参考訳（メタデータ） (2024-12-31T18:47:54Z)
• ReFlow6D: Refraction-Guided Transparent Object 6D Pose Estimation via Intermediate Representation Learning [48.29147383536012]
  透明な物体6次元ポーズ推定のための新しい手法であるReFlow6Dを提案する。 従来の手法とは異なり,RGB画像空間の変化や深度情報に依存しない特徴空間を利用する。 ReFlow6Dは,RGB画像のみを入力として,透明物体の正確な6次元ポーズ推定を実現する。
  論文  参考訳（メタデータ） (2024-12-30T09:53:26Z)
• From Diffusion to Resolution: Leveraging 2D Diffusion Models for 3D Super-Resolution Task [19.56372155146739]
  本稿では,3次元電子顕微鏡(vEM)の超解像性を高めるために,2次元拡散モデルと体積内の横方向の連続性を利用する新しい手法を提案する。 イオンビーム走査型電子顕微鏡(FIB-SEM)の2つのデータを用いて,本フレームワークのロバスト性と実用性を示した。
  論文  参考訳（メタデータ） (2024-11-25T09:12:55Z)
• Time-inversion of spatiotemporal beam dynamics using uncertainty-aware latent evolution reversal [46.348283638884425]
  本稿では,フォワードビームダイナミクスの時相を考慮したリバースラテント進化モデル(rLEM)を提案する。 この2段階の自己教師型深層学習フレームワークでは、空調オートエンコーダ(CVAE)を用いて荷電粒子ビームの6次元空間投影を低次元潜在分布に投影する。 次に,Long Short-Term Memory (LSTM) ネットワークを用いて,潜在空間における逆時間力学を自動回帰的に学習する。
  論文  参考訳（メタデータ） (2024-08-14T23:09:01Z)
• Diffusion4D: Fast Spatial-temporal Consistent 4D Generation via Video Diffusion Models [116.31344506738816]
  高速でスケーラブルな4Dコンテンツ生成のための新しいフレームワーク textbfDiffusion4D を提案する。 ダイナミックな3Dアセットの軌道ビューを合成できる4D対応ビデオ拡散モデルを開発した。 提案手法は, 生成効率と4次元幾何整合性の観点から, 従来の最先端技術を超えている。
  論文  参考訳（メタデータ） (2024-05-26T17:47:34Z)
• Stimulated emission tomography for efficient characterization of spatial entanglement [2.3712403308529137]
  本研究では, 自然発生過程と比較して, 検出された光子の平均個数が数桁増加することを示す。 SET測定では、特定モード特性を備えた強信号場によりパラメトリックダウンコンバージョンがシードされる。 我々は,強いアイドラー生成と空間モード分布の理論的予測との良好な一致を観察する。
  論文  参考訳（メタデータ） (2024-03-08T04:27:19Z)
• TetraDiffusion: Tetrahedral Diffusion Models for 3D Shape Generation [19.976938789105393]
  テトラ拡散(TetraDiffusion)は、3次元空間の四面体分割で動作する拡散モデルであり、効率的で高分解能な3次元形状生成を可能にする。 注目すべきは、TetraDiffusionは前例のない解像度で、ほぼリアルタイムで詳細な3Dオブジェクトの迅速なサンプリングを可能にすることだ。
  論文  参考訳（メタデータ） (2022-11-23T18:58:33Z)
• {\phi}-SfT: Shape-from-Template with a Physics-Based Deformation Model [69.27632025495512]
  Shape-from-Template (SfT) 法では、単一の単眼RGBカメラから3次元表面の変形を推定する。 本稿では,物理シミュレーションによる2次元観察を解説する新しいSfT手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T17:59:57Z)

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。