論文の概要: Indoor Airflow Imaging Using Physics-Informed Background-Oriented Schlieren Tomography

• arxiv url: http://arxiv.org/abs/2509.14442v1
• Date: Wed, 17 Sep 2025 21:31:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:52.978851
• Title: Indoor Airflow Imaging Using Physics-Informed Background-Oriented Schlieren Tomography
• Title（参考訳）: 物理インフォームドバックグラウンド指向シュリーレントモグラフィーを用いた室内気流イメージング
• Authors: Arjun Teh, Wael H. Ali, Joshua Rapp, Hassan Mansour,
• Abstract要約: 単視点で非侵襲的室内気流推定のための枠組みを開発する。 本フレームワークは, 対象の裏壁にパターンを投影する光プロジェクタと, 光パターンの小さな歪みを観察するカメラを利用する。
• 参考スコア（独自算出の注目度）: 11.931058171248102
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We develop a framework for non-invasive volumetric indoor airflow estimation from a single viewpoint using background-oriented schlieren (BOS) measurements and physics-informed reconstruction. Our framework utilizes a light projector that projects a pattern onto a target back-wall and a camera that observes small distortions in the light pattern. While the single-view BOS tomography problem is severely ill-posed, our proposed framework addresses this using: (1) improved ray tracing, (2) a physics-based light rendering approach and loss formulation, and (3) a physics-based regularization using a physics-informed neural network (PINN) to ensure that the reconstructed airflow is consistent with the governing equations for buoyancy-driven flows.
• Abstract（参考訳）: 本研究では,背景指向シュリエレン(BOS)測定と物理インフォームド再構成を用いて,単視点で非侵襲的室内気流推定のための枠組みを構築した。 本フレームワークは, 対象の裏壁にパターンを投影する光プロジェクタと, 光パターンの小さな歪みを観察するカメラを利用する。 単視点BOSトモグラフィー問題は深刻な問題であるが,提案手法では,(1)光線トレーシングの改善,(2)物理ベースの光レンダリング手法と損失定式化,(3)物理インフォームドニューラルネットワーク(PINN)を用いた物理ベースの正則化により,再構成された気流が浮力駆動流の制御方程式と整合していることを保証する。

関連論文リスト

• PBR-NeRF: Inverse Rendering with Physics-Based Neural Fields [49.6405458373509]
  シーン形状,材料,照明を共同で推定できる逆レンダリング(IR)モデルを提案する。 本手法は, 材料推定を必要とする他の逆レンダリングおよび3次元再構成フレームワークに容易に適用可能である。
  論文  参考訳（メタデータ） (2024-12-12T19:00:21Z)
• Neural refractive index field: Unlocking the Potential of Background-oriented Schlieren Tomography in Volumetric Flow Visualization [6.748519362625069]
  本研究はニューラル屈折指数場(NeRIF)と呼ばれる革新的な再構成手法を提案する。 NeRIFはニューラルネットワークで流れの場を暗黙的に表現する。 乱流文泉火炎における数値シミュレーションと実験実験の両方により, 再現精度と空間分解能を大幅に向上させることができることが示唆された。
  論文  参考訳（メタデータ） (2024-09-23T05:40:50Z)
• Vision-Informed Flow Image Super-Resolution with Quaternion Spatial Modeling and Dynamic Flow Convolution [49.45309818782329]
  フロー画像超解像(FISR)は、低分解能フロー画像から高分解能乱流速度場を復元することを目的としている。 既存のFISR法は主に自然画像パターンのフロー画像を処理する。 第一流れの視覚特性インフォームドFISRアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-29T06:48:16Z)
• Event-Driven Imaging in Turbid Media: A Confluence of Optoelectronics and Neuromorphic Computation [9.53078750806038]
  密度の高い濁った媒体の光散乱により視界が著しく不明瞭なターゲットの画像を明らかにするために,新しい光学計算法が導入された。 このスキームは人間の視覚にインスパイアされ、タービッド媒質から収集された拡散光子は、網膜のようにダイナミックな視覚センサーで列車に変換される。 画像再構成は、オリジナル画像が人間の目やデジタルビデオカメラに認識できない濁った条件下で達成される。
  論文  参考訳（メタデータ） (2023-09-13T00:38:59Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
  画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。 本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-03-04T12:45:18Z)
• Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
  本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。 既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。 本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
  論文  参考訳（メタデータ） (2020-12-12T10:33:08Z)

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。