論文の概要: Segmenting the Complex and Irregular in Two-Phase Flows: A Real-World Empirical Study with SAM2

• arxiv url: http://arxiv.org/abs/2508.05227v1
• Date: Thu, 07 Aug 2025 10:17:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.804718
• Title: Segmenting the Complex and Irregular in Two-Phase Flows: A Real-World Empirical Study with SAM2
• Title（参考訳）: 二相流における複雑・不規則な流れの分別:SAM2を用いた実世界の実証的研究
• Authors: Semanur Küçük, Cosimo Della Santina, Angeliki Laskari,
• Abstract要約: 多相流中のガス気泡の分別は、多くの産業環境において重要な課題であるが未解決の課題である。 従来のアプローチ、そして最近の学習に基づく手法は、ほぼ球形の形状を仮定し、バブルが変形、合体、崩壊する状況においてその効果を制限している。 我々は、転送学習問題として、初めて、微調整されたセグメンテーションモデルSAM v2.1が、100個の注釈付き画像を用いて、高度に不規則なバブル構造を正確にセグメント化できることを実証した。
• 参考スコア（独自算出の注目度）: 1.8805649451937585
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Segmenting gas bubbles in multiphase flows is a critical yet unsolved challenge in numerous industrial settings, from metallurgical processing to maritime drag reduction. Traditional approaches-and most recent learning-based methods-assume near-spherical shapes, limiting their effectiveness in regimes where bubbles undergo deformation, coalescence, or breakup. This complexity is particularly evident in air lubrication systems, where coalesced bubbles form amorphous and topologically diverse patches. In this work, we revisit the problem through the lens of modern vision foundation models. We cast the task as a transfer learning problem and demonstrate, for the first time, that a fine-tuned Segment Anything Model SAM v2.1 can accurately segment highly non-convex, irregular bubble structures using as few as 100 annotated images.
• Abstract（参考訳）: 多相流中のガス気泡の分別は、冶金処理から海洋抵抗低減まで、多くの産業環境において重要な課題であるが未解決の課題である。 従来のアプローチ、そして最近の学習に基づく手法は、ほぼ球形の形状を仮定し、バブルが変形、合体、崩壊する状況においてその効果を制限している。 この複雑さは特に空気潤滑システムにおいて顕著であり、そこでは、凝縮した気泡が非晶質で、位相的に多様なパッチを形成する。 本研究では,現代視覚基盤モデルのレンズを通して問題を再検討する。 我々は、このタスクを転送学習問題として、初めて、微調整されたセグメンテーションモデルSAM v2.1が、100個の注釈付き画像を用いて、非常に非凸で不規則なバブル構造を正確にセグメント化できることを実証した。

関連論文リスト

• Multi-source Plume Tracing via Multi-Agent Reinforcement Learning [41.03292974500013]
  ブホバル災害のような産業災害は、迅速で信頼性の高いプルームトレースアルゴリズムの必要性を示している。 勾配に基づく、あるいは生物学的にインスパイアされたアプローチのような伝統的な手法は、しばしば現実的で乱暴な状況で失敗する。 本稿では,複数の大気汚染源をローカライズするマルチエージェント強化学習(MARL)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-12T21:33:15Z)
• Learning Phase Distortion with Selective State Space Models for Video Turbulence Mitigation [13.073844945948132]
  大気の乱流は、長距離イメージングシステムにおける画像劣化の主な原因である。 多くの深層学習に基づく乱流緩和法 (TM) が提案されているが, それらは遅い, メモリ不足であり, 一般化が不十分である。 本稿では,(1)選択状態空間モデル(MambaTM)に基づく乱流緩和ネットワークと(2)学習遅延位相歪み(LPD)の2つの概念に基づく新しいTM法を提案する。 提案手法は,様々な合成および実世界のTMベンチマークにおいて,推定速度が大幅に向上した現状のネットワークを超越した手法である。
  論文  参考訳（メタデータ） (2025-04-03T15:33:18Z)
• A SAM-guided Two-stream Lightweight Model for Anomaly Detection [44.73985145110819]
  我々は、教師なし異常検出(STLM)のためのSAM誘導2ストリーム軽量モデルを提案する。 MVTec ADベンチマークを用いて行った実験により,約16Mのパラメータを持ち,20msの推論時間を実現したSTLMは,最先端の手法と効果的に競合することが示された。
  論文  参考訳（メタデータ） (2024-02-29T13:29:10Z)
• Denoising Diffusion Semantic Segmentation with Mask Prior Modeling [61.73352242029671]
  本稿では,従来の識別的アプローチのセマンティックセグメンテーション品質を,デノナイズ拡散生成モデルでモデル化したマスクを用いて改善することを提案する。 市販セグメンタを用いた先行モデルの評価を行い,ADE20KとCityscapesの実験結果から,本手法が競争力のある定量的性能を実現することを示す。
  論文  参考訳（メタデータ） (2023-06-02T17:47:01Z)
• GECCO: Geometrically-Conditioned Point Diffusion Models [60.28388617034254]
  テキスト上で条件付き画像を生成する拡散モデルが最近,コンピュータビジョンコミュニティをはるかに超えている。 ここでは、無条件および条件付きの両方の点雲を画像で生成するという、関連する問題に取り組む。 後者では,スパーク画像の特徴を点雲に投影することに基づく,幾何学的動機付けによる新しい条件付け手法を提案する。
  論文  参考訳（メタデータ） (2023-03-10T13:45:44Z)
• Ensemble flow reconstruction in the atmospheric boundary layer from spatially limited measurements through latent diffusion models [0.32955181898067526]
  機械学習技術は、従来、標準的な流体力学問題において、観測されていない流れ領域を再構築してきた。 これらの技術は3次元大気境界層ではまだ実証されていない。
  論文  参考訳（メタデータ） (2023-03-01T21:55:10Z)
• Rethinking Real-world Image Deraining via An Unpaired Degradation-Conditioned Diffusion Model [51.49854435403139]
  本研究では,拡散モデルに基づく最初の実世界の画像デライニングパラダイムであるRainDiffを提案する。 安定的で非敵対的なサイクル一貫性のあるアーキテクチャを導入し、トレーニングをエンドツーエンドで行えます。 また,複数の降雨の先行学習によって条件付けられた拡散生成過程を通じて,所望の出力を洗練する劣化条件拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-23T13:34:01Z)
• Floquet multi-gap topology: Non-Abelian braiding and anomalous Dirac string phase [0.0]
  物質のトポロジカルフェーズは、基本的な追求と将来の応用への約束を形作る幅広い研究領域にまたがる。 過去2年間、新しいマルチギャップ依存の位相状態の出現を目撃してきた。 不安定な異常相と,不平衡なフロケ設定でのみ発生する特性について報告する。
  論文  参考訳（メタデータ） (2022-08-26T18:00:03Z)
• AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
  大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
  論文  参考訳（メタデータ） (2022-08-24T03:13:04Z)
• Learning to Estimate Hidden Motions with Global Motion Aggregation [71.12650817490318]
  閉塞は、局所的な証拠に依存する光学フローアルゴリズムに重大な課題をもたらす。 最初の画像でピクセル間の長距離依存性を見つけるために,グローバルモーションアグリゲーションモジュールを導入する。 遮蔽領域における光流量推定が非遮蔽領域における性能を損なうことなく大幅に改善できることを実証した。
  論文  参考訳（メタデータ） (2021-04-06T10:32:03Z)
• The Devil is in the Boundary: Exploiting Boundary Representation for Basis-based Instance Segmentation [85.153426159438]
  本研究では,既存のグローバルマスクベースの手法を補完するグローバル境界表現を学習するために,Basisベースのインスタンス(B2Inst)を提案する。 私たちのB2Instは一貫した改善をもたらし、シーン内のインスタンス境界を正確に解析します。
  論文  参考訳（メタデータ） (2020-11-26T11:26:06Z)

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。