論文の概要: Pattern-Based Phase-Separation of Tracer and Dispersed Phase Particles in Two-Phase Defocusing Particle Tracking Velocimetry

• arxiv url: http://arxiv.org/abs/2506.18157v1
• Date: Sun, 22 Jun 2025 20:10:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.779773
• Title: Pattern-Based Phase-Separation of Tracer and Dispersed Phase Particles in Two-Phase Defocusing Particle Tracking Velocimetry
• Title（参考訳）: 2相脱離粒子追跡速度計におけるトレーサーおよび分散相粒子のパターンベース相分離
• Authors: Christian Sax, Jochen Kriegseis,
• Abstract要約: 本研究は,2相流における粒子追跡速度計のデフォーカスにおける相分離のための後処理に基づくアプローチの実現可能性について検討する。 この方法は、単一カメラ装置を用いて、分散相のトレーサ粒子と粒子の同時3次元局在決定を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This work investigates the feasibility of a post-processing-based approach for phase separation in defocusing particle tracking velocimetry for dispersed two-phase flows. The method enables the simultaneous 3D localization determination of both tracer particles and particles of the dispersed phase, using a single-camera setup. The distinction between phases is based on pattern differences in defocused particle images, which arise from distinct light scattering behaviors of tracer particles and bubbles or droplets. Convolutional neural networks, including Faster R-CNN and YOLOv4 variants, are trained to detect and classify particle images based on these pattern features. To generate large, labeled training datasets, a generative adversarial network based framework is introduced, allowing the generation of auto-labeled data that more closely reflects experiment-specific visual appearance. Evaluation across six datasets, comprising synthetic two-phase and real single- and two-phase flows, demonstrates high detection precision and classification accuracy (95-100%), even under domain shifts. The results confirm the viability of using CNNs for robust phase separation in disperse two-phase DPTV, particularly in scenarios where traditional wavelength-, size-, or ensemble correlation-based methods are impractical.
• Abstract（参考訳）: 本研究は, 分散二相流の粒子追跡速度測定において, 相分離のための後処理に基づくアプローチの実現可能性について検討する。 この方法は、単一カメラ装置を用いて、分散相のトレーサ粒子と粒子の同時3次元局在決定を可能にする。 位相の区別は、トレーサ粒子と気泡または液滴の光散乱挙動が異なることから生じる偏差粒子像のパターン差に基づいている。 より高速なR-CNNやYOLOv4変種を含む畳み込みニューラルネットワークは、これらのパターンの特徴に基づいて粒子画像を検出し分類するように訓練されている。 大規模でラベル付きトレーニングデータセットを生成するために、実験特有の視覚的外観をより深く反映した自動ラベル付きデータの生成を可能にする、ジェネレーティブな対向ネットワークベースのフレームワークが導入された。 合成二相流と実単相流および実二相流からなる6つのデータセットによる評価は、ドメインシフトにおいても高い検出精度と分類精度(95～100%)を示す。 その結果, 従来の波長, サイズ, アンサンブル相関に基づく手法が実用的でない場合において, 2相DPTVを分散させる場合, CNNsを頑健な位相分離に利用する可能性が確認された。

関連論文リスト

• DiffusionSfM: Predicting Structure and Motion via Ray Origin and Endpoint Diffusion [53.70278210626701]
  マルチビュー画像から3次元シーン形状とカメラポーズを直接推定するデータ駆動型マルチビュー推論手法を提案する。 我々のフレームワークであるDiffusionSfMは、シーン幾何学とカメラを、グローバルフレーム内のピクセルワイズ線源とエンドポイントとしてパラメータ化します。 我々は、DiffusionSfMを合成データセットと実データセットの両方で実証的に検証し、古典的および学習ベースのアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-05-08T17:59:47Z)
• Multi-camera orientation tracking method for anisotropic particles in particle-laden flows [0.0]
  本稿では,複数の異方性粒子の位置と配向を時間とともに追跡するアルゴリズムについて述べる。 本手法のロバスト性と誤差を定量化し,ノイズ,画像サイズ,使用カメラ数,カメラ配置の影響について検討する。 提案手法は, 粒子形状の異なる粒子に対して有効であり, 複数の粒子の同時追跡に成功し, 異なる種類の粒子を識別できることを示す。
  論文  参考訳（メタデータ） (2025-03-04T14:56:29Z)
• Diffraction of correlated biphotons through transparent samples [0.0]
  画像面に配置した位相オブジェクトがSPDCの自由空間伝搬に影響を及ぼすことを示す。 本研究は,非干渉計測・量子強調位相イメージングの応用について検討した。
  論文  参考訳（メタデータ） (2024-10-30T02:00:02Z)
• PCF-Lift: Panoptic Lifting by Probabilistic Contrastive Fusion [80.79938369319152]
  我々は,PCF(Probabilis-tic Contrastive Fusion)に基づくPCF-Liftという新しいパイプラインを設計する。 私たちのPCFリフトは、ScanNetデータセットやMessy Roomデータセット(シーンレベルのPQが4.4%改善)など、広く使用されているベンチマークにおいて、最先端の手法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-10-14T16:06:59Z)
• Differentiable and Stable Long-Range Tracking of Multiple Posterior Modes [1.534667887016089]
  我々は、学習データを活用し、潜在対象状態における不確実性の粒子ベース表現を識別的に学習する。 提案手法は精度を劇的に向上すると同時に,複数のトレーニング実行における安定性も向上する。
  論文  参考訳（メタデータ） (2024-04-12T19:33:52Z)
• DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic Correlation Diffusion Model [46.68717345017946]
  ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。 意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。 提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
  論文  参考訳（メタデータ） (2023-05-21T09:21:41Z)
• SinDiffusion: Learning a Diffusion Model from a Single Natural Image [159.4285444680301]
  SinDiffusionは1つの自然な画像からパッチの内部分布を捉えるためにデノナイズ拡散モデルを利用する。 SinDiffusionは、2つのコア設計に基づいている。まず、SinDiffusionは、段階的にスケールが成長する複数のモデルではなく、1つのスケールで1つのモデルで訓練されている。 第2に,拡散ネットワークのパッチレベルの受容領域は,画像のパッチ統計を捉える上で重要かつ効果的であることを示す。
  論文  参考訳（メタデータ） (2022-11-22T18:00:03Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Observation-dependent suppression and enhancement of two-photon coincidences by tailored losses [68.8204255655161]
  ホン・ウー・マンデル効果(HOM)は、バランスビームスプリッターの出力ポート間での2粒子の一致を完璧に抑制することができる。 そこで本研究では,2つのボソンの2粒子同時一致統計をシームレスに調整し,精度の向上を実証した。 この結果から,非エルミート的設定を多粒子量子状態の操作に利用するための新しいアプローチが明らかになった。
  論文  参考訳（メタデータ） (2021-05-12T06:47:35Z)

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。