論文の概要: A Machine Learning-Driven Solution for Denoising Inertial Confinement Fusion Images
- arxiv url: http://arxiv.org/abs/2511.16717v1
- Date: Thu, 20 Nov 2025 18:56:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-24 18:08:18.775698
- Title: A Machine Learning-Driven Solution for Denoising Inertial Confinement Fusion Images
- Title（参考訳）: 慣性閉じ込め核融合画像の認識のための機械学習駆動型解法
- Authors: Asya Y. Akkus, Bradley T. Wolfe, Pinghan Chu, Chengkun Huang, Chris S. Campbell, Mariana Alvarado Alvarez, Petr Volegov, David Fittinghoff, Robert Reinovsky, Zhehui Wang,
- Abstract要約: 混合ガウス・ポアソン復調のために,Cohen-Daubechies-Feauveauウェーブレット変換を用いた教師なしオートエンコーダを実装した。
これは、フォワードモデルによって生成されたデータとベンチマークした場合、低い再構成エラーと優れたエッジ保存メトリクスを示す。
- 参考スコア（独自算出の注目度）: 3.422849356462525
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Neutron imaging is important in optimizing analysis of inertial confinement fusion (ICF) events such as those at the National Ignition Facility (NIF) and improving current and future ICF platforms. However, images of neutron sources are often degraded by various types of noise. Most commonly, Gaussian and Poisson noise often coexist within one image, obscuring fine details and blurring edges. These noise types often overlap, making them difficult to distinguish and remove using conventional filtering and thresholding methods. As a result, noise removal techniques that preserve image fidelity are important for analyzing and interpreting images of a neutron source. Current solutions include a combination of filtering and thresholding methodologies. In the past, machine learning approaches were rarely implemented due to a lack of ground truth neutron imaging data for ICF processes. However, recent advances in synthetic data production, particularly in the fusion imaging field, have opened opportunities to investigate new denoising procedures using both supervised and unsupervised machine learning methods. In this study, we implement an unsupervised autoencoder with a Cohen-Daubechies- Feauveau (CDF 97) wavelet transform in the latent space for mixed Gaussian-Poisson denoising. The network successfully denoises neutron imaging data. Additionally, it demonstrates lower reconstruction error and superior edge preservation metrics when benchmarked with data generated by a forward model and compared to non-ML-based filtering mechanisms such as Block-matching and 3D filtering (BM3D). This approach presents a promising advancement in neutron image noise reduction and three-dimensional reconstruction analysis of ICF experiments.
- Abstract（参考訳）: 中性子イメージングは、国立点火施設(NIF)などの慣性閉じ込め核融合(ICF)現象の分析を最適化し、現在および将来のICFプラットフォームを改善する上で重要である。
しかし、中性子源の画像は様々な種類のノイズによって劣化することが多い。
最も一般的には、ガウスノイズとポアソンノイズは1つの画像内で共存し、細部や縁がぼやけている。
これらのノイズタイプは重なり合うことが多く、従来のフィルタリング法やしきい値処理法で区別や除去が難しい。
その結果、中性子源の画像の解析と解釈には、画像の忠実性を維持するノイズ除去技術が重要である。
現在のソリューションには、フィルタリングとしきい値の手法の組み合わせが含まれている。
過去には、ICFプロセスのための基底真理中性子イメージングデータが欠如しているため、機械学習のアプローチはめったに実施されなかった。
しかし、特に核融合イメージング分野における合成データ生成の最近の進歩は、教師なしと教師なしの両方の機械学習手法を用いて、新しい分極手順を調査する機会を開きつつある。
本研究では,Cohen-Daubechies-Feauveau (CDF 97)ウェーブレット変換を用いた教師なしオートエンコーダの実装を行った。
このネットワークは中性子イメージングデータに成功している。
さらに、フォワードモデルによって生成されたデータとベンチマークし、ブロックマッチングや3Dフィルタリング(BM3D)のような非MLベースのフィルタリングメカニズムと比較して、再構築エラーが低く、エッジ保存の指標が優れていることを示す。
提案手法は, 中性子画像のノイズ低減とICF実験の3次元再構成解析において有望な進展を示す。
関連論文リスト
- GARD: Gamma-based Anatomical Restoration and Denoising for Retinal OCT [5.763765207893223]
GARD (Gamma-based Anatomical Restoration and Denoising) は OCT 画像復調のための新しい深層学習手法である。
GARDは、スペックルの統計特性をより正確に反映するために、Denoising Diffusion Gamma Modelを使用している。
GARDはPSNR, SSIM, MSEの点から, 従来のdenoising法や最先端のディープラーニングモデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2025-09-12T15:24:41Z) - Learning Multi-scale Spatial-frequency Features for Image Denoising [58.883244886588336]
本稿では,マルチスケール適応型デュアルドメインネットワーク(MADNet)を提案する。
画像ピラミッド入力を用いて低解像度画像からノイズのない結果を復元する。
高周波情報と低周波情報の相互作用を実現するために,適応型空間周波数学習ユニットを設計する。
論文 参考訳（メタデータ） (2025-06-19T13:28:09Z) - Blue noise for diffusion models [50.99852321110366]
本稿では,画像内および画像間の相関雑音を考慮した拡散モデルを提案する。
我々のフレームワークは、勾配流を改善するために、1つのミニバッチ内に画像間の相関を導入することができる。
本手法を用いて,各種データセットの質的,定量的な評価を行う。
論文 参考訳（メタデータ） (2024-02-07T14:59:25Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - The Surprising Effectiveness of Diffusion Models for Optical Flow and
Monocular Depth Estimation [42.48819460873482]
拡散確率モデルは、その印象的な忠実さと多様性で画像生成を変換した。
また,タスク固有のアーキテクチャや損失関数を使わずに,光学的フローと単眼深度の推定に優れることを示す。
論文 参考訳（メタデータ） (2023-06-02T21:26:20Z) - Denoising Diffusion Models for Plug-and-Play Image Restoration [135.6359475784627]
本稿では,従来のプラグアンドプレイ方式を拡散サンプリングフレームワークに統合したDiffPIRを提案する。
DiffPIRは、差別的なガウスのデノイザーに依存するプラグアンドプレイIR法と比較して、拡散モデルの生成能力を継承することが期待されている。
論文 参考訳（メタデータ） (2023-05-15T20:24:38Z) - Degradation-Noise-Aware Deep Unfolding Transformer for Hyperspectral
Image Denoising [9.119226249676501]
ハイパースペクトル画像(HSI)は、帯域幅が狭いため、ノイズが多いことが多い。
HSIデータキューブのノイズを低減するため、モデル駆動型と学習型の両方の復調アルゴリズムが提案されている。
本稿では,これらの問題に対処するDNA-Net(Degradation-Noise-Aware Unfolding Network)を提案する。
論文 参考訳（メタデータ） (2023-05-06T13:28:20Z) - Microseismic source imaging using physics-informed neural networks with
hard constraints [4.07926531936425]
物理インフォームドニューラルネットワーク(PINN)に基づく直接微動イメージングフレームワークを提案する。
PINNを用いてマルチ周波数波動場を表現し,その逆フーリエ変換を用いて音源画像の抽出を行う。
さらに,本手法をモニタリングフィールドデータの水理破砕に応用し,少ないアーティファクトで精度よくソースを画像化できることを実証する。
論文 参考訳（メタデータ） (2023-04-09T21:10:39Z) - Enhancing convolutional neural network generalizability via low-rank weight approximation [6.763245393373041]
十分なノイズ処理は、画像処理にとって重要な第一歩であることが多い。
ディープニューラルネットワーク(DNN)は画像のノイズ化に広く利用されている。
本研究では,タッカー低ランクテンソル近似に基づく自己教師付き画像復調フレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-26T14:11:05Z) - Unsupervised Denoising of Retinal OCT with Diffusion Probabilistic Model [0.2578242050187029]
本稿では,信号の代わりにノイズから学習するための拡散確率モデルを提案する。
本手法は,簡単な作業パイプラインと少量のトレーニングデータを用いて,画像品質を著しく向上させることができる。
論文 参考訳（メタデータ） (2022-01-27T19:02:38Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z)
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。