論文の概要: Fast Measuring Pavement Crack Width by Cascading Principal Component Analysis

• arxiv url: http://arxiv.org/abs/2511.02144v1
• Date: Tue, 04 Nov 2025 00:29:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.757755
• Title: Fast Measuring Pavement Crack Width by Cascading Principal Component Analysis
• Title（参考訳）: カスケード主成分分析による高速舗装き裂幅測定
• Authors: Zhicheng Wang, Junbiao Pang,
• Abstract要約: 本研究では, 主成分分析 (PCA) とロバストPCA (RPCA) を統合し, ディジタル画像から亀裂幅を効率的に抽出するカスケードフレームワークを提案する。 提案手法は,(1)確立された検出アルゴリズムを用いてバイナリ表現を生成する初期き裂分割,(2)PCAによる準並列き裂の主方向軸の決定,(3)不規則き裂定量のための主伝播軸(MPA)抽出の3段階からなる。
• 参考スコア（独自算出の注目度）: 8.478956437068671
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate quantification of pavement crack width plays a pivotal role in assessing structural integrity and guiding maintenance interventions. However, achieving precise crack width measurements presents significant challenges due to: (1) the complex, non-uniform morphology of crack boundaries, which limits the efficacy of conventional approaches, and (2) the demand for rapid measurement capabilities from arbitrary pixel locations to facilitate comprehensive pavement condition evaluation. To overcome these limitations, this study introduces a cascaded framework integrating Principal Component Analysis (PCA) and Robust PCA (RPCA) for efficient crack width extraction from digital images. The proposed methodology comprises three sequential stages: (1) initial crack segmentation using established detection algorithms to generate a binary representation, (2) determination of the primary orientation axis for quasi-parallel cracks through PCA, and (3) extraction of the Main Propagation Axis (MPA) for irregular crack geometries using RPCA. Comprehensive evaluations were conducted across three publicly available datasets, demonstrating that the proposed approach achieves superior performance in both computational efficiency and measurement accuracy compared to existing state-of-the-art techniques.
• Abstract（参考訳）: 舗装き裂幅の正確な定量化は, 構造的整合性を評価し, 維持的介入を導く上で重要な役割を担っている。 しかし, クラック幅測定の精度向上は, 1) 従来手法の有効性を制限したクラック境界の複雑で一様でない形態, (2) 任意の画素位置からの迅速な測定能力の要求により, 包括的舗装条件の評価が容易になるなど, 重大な課題が生じる。 これらの制約を克服するため、デジタル画像から効率的にひび割れ幅を抽出するために、主成分分析(PCA)とロバストPCA(RPCA)を統合したカスケードフレームワークを導入する。 提案手法は,(1)確立された検出アルゴリズムを用いてバイナリ表現を生成する初期き裂分割,(2)PCAによる準並列き裂の主方向軸の決定,(3)RPCAを用いた不規則き裂地形の主伝播軸(MPA)抽出の3段階からなる。 提案手法は,既存の最先端技術と比較して,計算効率と測定精度の両方において優れた性能を発揮することを示した。

関連論文リスト

• Test-time Verification via Optimal Transport: Coverage, ROC, & Sub-optimality [53.03186946689658]
  検証によるテストタイムのスケーリングは、大規模言語モデルのパフォーマンス向上を約束している。 検証の効果は、(i)ジェネレータのカバレッジ、(ii)検証器の収束領域(ROC)、(iii)サンプリングアルゴリズムの準最適性の3つの相互作用を通して現れる。 本稿では,輸送問題として検証可能なテストタイムスケーリングの枠組みを定め,カバレッジ,ROC,サブ最適性の相互作用を特徴付ける。
  論文  参考訳（メタデータ） (2025-10-21T18:05:42Z)
• Self-Supervised Multi-Scale Transformer with Attention-Guided Fusion for Efficient Crack Detection [6.36678579841487]
  本稿では,手動のアノテーションを使わずに,有効画素レベルのクラックセグメンテーションを実現する可能性について検討する。 完全に自己管理されたフレームワークであるCrack-Segmenterが開発され、3つの相補的なモジュールが統合されている。 Crack-Segmenterは、すべての主要なメトリクスで13の最先端の教師付きメソッドを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-10-12T00:25:33Z)
• Latent Interpolation Learning Using Diffusion Models for Cardiac Volume Reconstruction [26.7771170972558]
  既存の手法では、事前定義されたスキームへの依存、計算の非効率性、追加のセマンティック入力への依存など、課題に直面している。 スパーススライス間の複雑で非時間的関係を捉えることができる,データ駆動型潜在性補間拡散(CaLID)フレームワークを提案する。 第2に,潜伏空間で動作し,24倍の3次元ハートアップサンプリングを高速化し,計算時間を短縮する計算効率のよい手法を設計する。 第3に,提案手法を2D+Tデータに拡張し,時間的コヒーレンスを効果的にモデル化する。
  論文  参考訳（メタデータ） (2025-08-19T13:36:16Z)
• An Intra- and Cross-frame Topological Consistency Scheme for Semi-supervised Atherosclerotic Coronary Plaque Segmentation [9.902034502749501]
  冠状動脈硬化解析 (CAA) は, 湾曲平面再構成法を用いて再建した血管断面画像の解析に頼っている。 この課題は、プラークと血管の境界や構造がはっきりしないため、重大な課題を提起する。 フレーム内トポロジ的整合性(ITC)とクロスフレームトポロジ的整合性(CTC)を統合した,新しい二重整合性半教師型フレームワークを提案する。 提案手法は,既存の半教師付き手法を超越し,CAAにおける教師付き手法の性能にアプローチする。
  論文  参考訳（メタデータ） (2025-01-14T05:23:42Z)
• A statistical method for crack detection in 3D concrete images [5.524804393257921]
  クラック領域を事前に検出するためにはロバストなアルゴリズムが必要である。 提案手法は,CT画像中の亀裂領域を高い確率で識別する合理化手法を提供することにより,この問題に対処する。 興味のある領域を効率的に同定することにより、本アルゴリズムは材料構造内の潜在的な異常をより集中的に調べることができる。
  論文  参考訳（メタデータ） (2024-02-25T15:55:24Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• InverseForm: A Loss Function for Structured Boundary-Aware Segmentation [80.39674800972182]
  逆変換ネットワークを用いたセマンティックセグメンテーションのための新しい境界認識損失項を提案する。 このプラグイン損失項は境界変換の捕捉におけるクロスエントロピー損失を補完する。 室内および屋外のセグメンテーションベンチマークにおける損失関数の定量的および定性的効果を解析した。
  論文  参考訳（メタデータ） (2021-04-06T18:52:45Z)

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。