論文の概要: Adaptive Optimizable Gaussian Process Regression Linear Least Squares Regression Filtering Method for SEM Images

• arxiv url: http://arxiv.org/abs/2510.07895v1
• Date: Thu, 09 Oct 2025 07:45:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:14.938323
• Title: Adaptive Optimizable Gaussian Process Regression Linear Least Squares Regression Filtering Method for SEM Images
• Title（参考訳）: SEM画像に対する適応的最適ガウス過程回帰線形最小二乗回帰フィルタ法
• Authors: D. Chee Yong Ong, I. Bukhori, K. S. Sim, K. Beng Gan,
• Abstract要約: 本研究では,SEM画像のノイズ分散(NV)を推定するために,SNR(Signal-to-Noise Ratio)推定手法を用いて機械学習モデルを注入する。 提案手法は,SEM画像のSNRおよびNV推定において顕著な成功を示し,フィルタ処理後の平均二乗誤差(MSE)を下げる結果となった。
• 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: Scanning Electron Microscopy (SEM) images often suffer from noise contamination, which degrades image quality and affects further analysis. This research presents a complete approach to estimate their Signal-to-Noise Ratio (SNR) and noise variance (NV), and enhance image quality using NV-guided Wiener filter. The main idea of this study is to use a good SNR estimation technique and infuse a machine learning model to estimate NV of the SEM image, which then guides the wiener filter to remove the noise, providing a more robust and accurate SEM image filtering pipeline. First, we investigate five different SNR estimation techniques, namely Nearest Neighbourhood (NN) method, First-Order Linear Interpolation (FOL) method, Nearest Neighbourhood with First-Order Linear Interpolation (NN+FOL) method, Non-Linear Least Squares Regression (NLLSR) method, and Linear Least Squares Regression (LSR) method. It is shown that LSR method to perform better than the rest. Then, Support Vector Machines (SVM) and Gaussian Process Regression (GPR) are tested by pairing it with LSR. In this test, the Optimizable GPR model shows the highest accuracy and it stands as the most effective solution for NV estimation. Combining these results lead to the proposed Adaptive Optimizable Gaussian Process Regression Linear Least Squares Regression (AO-GPRLLSR) Filtering pipeline. The AO-GPRLLSR method generated an estimated noise variance which served as input to NV-guided Wiener filter for improving the quality of SEM images. The proposed method is shown to achieve notable success in estimating SNR and NV of SEM images and leads to lower Mean Squared Error (MSE) after the filtering process.
• Abstract（参考訳）: 走査型電子顕微鏡(SEM)画像は、しばしばノイズ汚染に悩まされ、画質が低下し、さらなる分析に影響を及ぼす。 本研究では,SNR (Signal-to-Noise Ratio) とノイズ分散 (NV) を推定し,NV-Guided Wiener フィルタを用いて画像品質を向上させる手法を提案する。 本研究の主な目的は、優れたSNR推定手法を用いて機械学習モデルを注入し、SEM画像のNVを推定し、ワイナーフィルタを誘導してノイズを除去し、より堅牢で正確なSEM画像フィルタリングパイプラインを提供することである。 まず,1次線形補間(FOL)法,1次線形補間(NN+FOL)法,2次線形補間(NLLSR)法,2次線形補間(LSR)法である。 その結果,LSR法は他の方法よりも優れていた。 次に、Support Vector Machines(SVM)とGaussian Process Regression(GPR)をLSRと組み合わせてテストする。 このテストでは、最適化可能なGPRモデルが最も精度が高く、NV推定の最も効果的な解である。 これらの結果を組み合わせることで、Adaptive Optimizable Gaussian Process Regression Linear Least Squares Regression (AO-GPRLLSR)フィルタパイプラインが提案される。 The AO-GPRLLSR method generated a estimated noise variance which served as input to NV-guided Wiener filter to improve the quality of SEM images。 提案手法は,SEM画像のSNRおよびNV推定において顕著な成功を示し,フィルタ処理後の平均二乗誤差(MSE)を下げる結果となった。

関連論文リスト

• PG-DPIR: An efficient plug-and-play method for high-count Poisson-Gaussian inverse problems [4.879530644978008]
  本稿では,効率的なPG-DPIRを提案する。 ポアソン-ガウス逆問題、DPIRから適応。 衛星画像の復元と超解像問題に関する実験が行われた。
  論文  参考訳（メタデータ） (2025-04-14T16:23:15Z)
• Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
  重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。 我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。 我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
  論文  参考訳（メタデータ） (2024-10-21T22:40:42Z)
• An Adaptive Re-evaluation Method for Evolution Strategy under Additive Noise [3.92625489118339]
  本稿では,加法的なガウスホワイトノイズによる関数値の最適再評価数を適応的に選択する手法を提案する。 実験では,CMA-ESのノイズハンドリング手法を人工的なテスト関数の集合上で実験的に比較した。
  論文  参考訳（メタデータ） (2024-09-25T09:10:21Z)
• Closed-form Filtering for Non-linear Systems [83.91296397912218]
  我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。 本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。 提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
  論文  参考訳（メタデータ） (2024-02-15T08:51:49Z)
• Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
  オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。 周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。 逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
  論文  参考訳（メタデータ） (2022-02-28T05:49:35Z)
• LAPAR: Linearly-Assembled Pixel-Adaptive Regression Network for Single Image Super-Resolution and Beyond [75.37541439447314]
  単一画像超解像(SISR)は、低解像度(LR)画像を高解像度(HR)バージョンにアップサンプリングする根本的な問題を扱う。 本稿では,線形組立画素適応回帰ネットワーク (LAPAR) を提案する。
  論文  参考訳（メタデータ） (2021-05-21T15:47:18Z)
• Learning Sampling Policy for Faster Derivative Free Optimization [100.27518340593284]
  ランダムサンプリングではなく,ZO最適化における摂動を生成するためのサンプリングポリシを学習する,新たな強化学習ベースのZOアルゴリズムを提案する。 その結果,ZO-RLアルゴリズムはサンプリングポリシを学習することでZO勾配の分散を効果的に低減し,既存のZOアルゴリズムよりも高速に収束できることが示唆された。
  論文  参考訳（メタデータ） (2021-04-09T14:50:59Z)
• RAIN: A Simple Approach for Robust and Accurate Image Classification Networks [156.09526491791772]
  既存の敵防衛手法の大部分は、予測精度を犠牲にして堅牢性を実現することが示されている。 本稿では,ロバストおよび高精度画像分類N(RAIN)と呼ぶ新しい前処理フレームワークを提案する。 RAINは入力に対してランダム化を適用して、モデルフォワード予測パスと後方勾配パスの関係を壊し、モデルロバスト性を改善する。 STL10 と ImageNet のデータセットを用いて、様々な種類の敵攻撃に対する RAIN の有効性を検証する。
  論文  参考訳（メタデータ） (2020-04-24T02:03:56Z)

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。