論文の概要: PCA-Guided Autoencoding for Structured Dimensionality Reduction in Active Infrared Thermography

• arxiv url: http://arxiv.org/abs/2508.07773v1
• Date: Mon, 11 Aug 2025 08:58:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:29.020875
• Title: PCA-Guided Autoencoding for Structured Dimensionality Reduction in Active Infrared Thermography
• Title（参考訳）: 能動赤外サーモグラフィにおけるPCA誘導オートエンコーディングによる構造次元化
• Authors: Mohammed Salah, Numan Saeed, Davor Svetinovic, Stefano Sfarra, Mohammed Omar, Yusra Abdulrahman,
• Abstract要約: 能動赤外線サーモグラフィ(Active Infrared thermography, AIRT)は、産業部品の地下異常を検出するために広く採用されている非破壊検査(NDT)技術である。 AIRTデータの高次元性のため、現在の手法では次元削減のために非線形オートエンコーダ(AE)を採用している。 本稿では,構造化次元減少のための主成分分析ガイド(PCA誘導型)自動符号化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.5480080844220013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active Infrared thermography (AIRT) is a widely adopted non-destructive testing (NDT) technique for detecting subsurface anomalies in industrial components. Due to the high dimensionality of AIRT data, current approaches employ non-linear autoencoders (AEs) for dimensionality reduction. However, the latent space learned by AIRT AEs lacks structure, limiting their effectiveness in downstream defect characterization tasks. To address this limitation, this paper proposes a principal component analysis guided (PCA-guided) autoencoding framework for structured dimensionality reduction to capture intricate, non-linear features in thermographic signals while enforcing a structured latent space. A novel loss function, PCA distillation loss, is introduced to guide AIRT AEs to align the latent representation with structured PCA components while capturing the intricate, non-linear patterns in thermographic signals. To evaluate the utility of the learned, structured latent space, we propose a neural network-based evaluation metric that assesses its suitability for defect characterization. Experimental results show that the proposed PCA-guided AE outperforms state-of-the-art dimensionality reduction methods on PVC, CFRP, and PLA samples in terms of contrast, signal-to-noise ratio (SNR), and neural network-based metrics.
• Abstract（参考訳）: 能動赤外線サーモグラフィ(Active Infrared thermography, AIRT)は、産業部品の地下異常を検出するために広く採用されている非破壊検査(NDT)技術である。 AIRTデータの高次元性のため、現在の手法では次元削減のために非線形オートエンコーダ(AE)を採用している。 しかし、AIRT AEsが学んだ潜伏空間は構造を欠き、下流の欠陥評価タスクにおけるその効果を制限している。 この制限に対処するため,本論文では,構造化された潜在空間を強制しながら,熱画像信号の複雑な非線形特徴を捉えるために,構造化次元減少のための主成分分析(PCA誘導)自動符号化フレームワークを提案する。 熱画像信号の複雑で非線形なパターンを捉えながら, AIRT AEを誘導し, 遅延表現を構造化PCA成分と整合させる新しい損失関数 PCA 蒸留損失を導入する。 学習,構造化された潜在空間の有用性を評価するため,ニューラルネットワークを用いた評価指標を提案する。 実験結果から,PCA誘導型AEは,PVC,CFRP,PLAサンプルに対して,コントラスト,信号-雑音比(SNR),ニューラルネットワークに基づく測定値において,最先端の次元性低減法よりも優れていた。

関連論文リスト

• Revisiting Deep Feature Reconstruction for Logical and Structural Industrial Anomaly Detection [2.3020018305241337]
  産業異常検出は品質管理と予測維持に不可欠である。 既存の手法では、深層学習ネットワークから抽出された画像パッチから複数スケールの特徴を活用することで、デントやスクラッチなどの構造異常を一般的に検出する。 構造異常を検出するためのメモリと計算効率のよいアプローチであるDeep Feature Restruction (DFR) に注目し,これらの制約に対処する。 我々はさらに、DFRをUDSADと呼ばれる統一されたフレームワークに拡張し、構造的および論理的異常の両方を検出する。
  論文  参考訳（メタデータ） (2024-10-21T17:56:47Z)
• Kernel PCA for Out-of-Distribution Detection [26.49607709559048]
  ディープニューラルネットワーク(DNN)の信頼性には,アウト・オブ・ディストリビューション(OoD)検出が不可欠である 我々は、OoD検出にKernel PCA(KPCA)のフレームワークを活用し、主成分が分散する部分空間におけるInDとOoDデータの分離性を主張する適切な非線形カーネルを求める。
  論文  参考訳（メタデータ） (2024-02-05T12:21:16Z)
• You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
  本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。 まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。 FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。 エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
  論文  参考訳（メタデータ） (2023-10-14T11:03:04Z)
• Unsupervised Seismic Footprint Removal With Physical Prior Augmented Deep Autoencoder [11.303407992331213]
  本稿では、獲得したフットプリントの教師なし抑制のためのフットプリント除去ネットワーク(FR-Netと呼ばれる)を提案する。 FR-Netの鍵となるのは、ノイズの本質的な指向性に応じてフットプリント獲得のための一方向全変動(UTV)モデルを設計することである。
  論文  参考訳（メタデータ） (2023-02-08T07:46:28Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)

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。