Fugu-MT 論文翻訳(概要): Geological Field Restoration through the Lens of Image Inpainting

論文の概要: Geological Field Restoration through the Lens of Image Inpainting

arxiv url: http://arxiv.org/abs/2506.04869v1
Date: Thu, 05 Jun 2025 10:45:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-06 21:53:49.664988
Title: Geological Field Restoration through the Lens of Image Inpainting
Title（参考訳）: 画像塗布レンズによる地形復元
Authors: Vladislav Trifonov, Ivan Oseledets, Ekaterina Muravleva,
Abstract要約: スパース観測から多次元の地質学領域を再構築する新たな視点を提示する。多次元テンソルとして部分的に観測された空間場をモデル化し,大域的な低ランク構造を強制することによって損失値の復元を行う。
参考スコア（独自算出の注目度）: 3.868222899558346
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a new viewpoint on a reconstructing multidimensional geological fields from sparse observations. Drawing inspiration from deterministic image inpainting techniques, we model a partially observed spatial field as a multidimensional tensor and recover missing values by enforcing a global low-rank structure. Our approach combines ideas from tensor completion and geostatistics, providing a robust optimization framework. Experiments on synthetic geological fields demonstrate that used tensor completion method significant improvements in reconstruction accuracy over ordinary kriging for various percent of observed data.
Abstract（参考訳）: スパース観測から多次元の地質学領域を再構築する新たな視点を提示する。多次元テンソルとして部分的に観測された空間場をモデル化し、大域的な低ランク構造を強制することによって、欠落した値を復元する。提案手法はテンソル完備化と測地学のアイデアを組み合わせて,堅牢な最適化フレームワークを提供する。合成地質学実験により, テンソル補修法は, 観測データの様々な部分において, 通常のクリグよりも再現精度が有意に向上したことが示された。

関連論文リスト

Latent Manifold Reconstruction and Representation with Topological and Geometrical Regularization [1.8335627278682702]
本稿では,雑音の多い点群から潜在多様体構造を発見できる,多様体再構成層を統合するAutoEncoderに基づく手法を提案する。ポイントクラウドデータセットの実験では、この手法がt-SNE、UMAP、トポロジカルオートエンコーダといったベースラインより優れていることが示された。
論文参考訳（メタデータ） (2025-05-07T13:47:22Z)
STITCH: Surface reconstrucTion using Implicit neural representations with Topology Constraints and persistent Homology [23.70495314317551]
スパースおよび不規則に間隔を置いた点雲のニューラル暗黙表面再構成のための新しいアプローチSTITCHを提案する。連続ホモロジーに基づく新しい微分可能なフレームワークを開発し、トポロジ的損失項を定式化し、1つの2次元多様体オブジェクトの先行を強制する。
論文参考訳（メタデータ） (2024-12-24T22:55:35Z)
Space-Variant Total Variation boosted by learning techniques in few-view tomographic imaging [0.0]
本稿では,未決定の線形逆問題に対する空間変動正規化モデルの開発に焦点をあてる。提案モデルの主な目的は,ディノベーションと細部・縁の保存のバランスを良くすることである。畳み込みニューラルネットワークは、トレーニングにおいて弾性損失関数を用いて、基底真理像とその勾配を近似するように設計されている。
論文参考訳（メタデータ） (2024-04-25T08:58:41Z)
NeuSurf: On-Surface Priors for Neural Surface Reconstruction from Sparse Input Views [41.03837477483364]
本研究では,表面の高度に忠実な再構成を実現するために,地上の事前情報を活用する新しいスパース・ビュー・リコンストラクション・フレームワークを提案する。具体的には,大域的幾何アライメントと局所的幾何洗練に関するいくつかの制約を設計し,粗い形状と細部を協調的に最適化する。 DTUとBlendedMVSデータセットによる2つの一般的なスパース設定の実験結果は、最先端の手法よりも大幅に改善されたことを示している。
論文参考訳（メタデータ） (2023-12-21T16:04:45Z)
Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
論文参考訳（メタデータ） (2023-10-09T10:22:08Z)
GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
論文参考訳（メタデータ） (2023-03-24T03:32:02Z)
MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
論文参考訳（メタデータ） (2022-06-01T17:58:15Z)
Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
論文参考訳（メタデータ） (2021-08-18T17:57:02Z)
Temporally-Coherent Surface Reconstruction via Metric-Consistent Atlases [131.50372468579067]
再建された表面をニューラルネットワークを用いてアトラスとして表現する。本手法は,教師なし対応の精度と表面再構成の精度において,その性能を超える結果が得られることを実証的に示す。
論文参考訳（メタデータ） (2021-04-14T16:21:22Z)
DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring [66.91879314310842]
本稿では,古典的なWienerデコンボリューションフレームワークを学習深い特徴と統合することにより,特徴空間における明示的なデコンボリューションプロセスを提案する。マルチスケールのカスケード機能改善モジュールは、分離された深い特徴から退色画像を予測する。提案したDeep Wienerデコンボリューションネットワークは,目に見える成果物が少なく,かつ,最先端の非盲点画像デコンボリューション手法を広いマージンで定量的に上回っていることを示す。
論文参考訳（メタデータ） (2021-03-18T00:38:11Z)

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。