論文の概要: Depth Matching Method Based on ShapeDTW for Oil-Based Mud Imager

• arxiv url: http://arxiv.org/abs/2512.01611v1
• Date: Mon, 01 Dec 2025 12:31:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.84759
• Title: Depth Matching Method Based on ShapeDTW for Oil-Based Mud Imager
• Title（参考訳）: 油面マッド画像の形状DTWに基づく深さマッチング法
• Authors: Fengfeng Li, Zhou Feng, Hongliang Wu, Hao Zhang, Han Tian, Peng Liu, Lixin Yuan,
• Abstract要約: 本稿では,ShapeDTW(Shape Dynamic Time Warping)アルゴリズムに基づくボアホール画像の深度マッチング手法を提案する。 本手法は, 形状特徴を抽出し, 形状に敏感な距離行列を構築し, 配列間の構造的類似性を良好に保存する。 フィールドテスト例では, 複雑なテクスチャ, 深度シフト, 局所スケーリングによる画像の正確なアライメントを実現する。
• 参考スコア（独自算出の注目度）: 8.327135042735815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In well logging operations using the oil-based mud (OBM) microresistivity imager, which employs an interleaved design with upper and lower pad sets, depth misalignment issues persist between the pad images even after velocity correction. This paper presents a depth matching method for borehole images based on the Shape Dynamic Time Warping (ShapeDTW) algorithm. The method extracts local shape features to construct a morphologically sensitive distance matrix, better preserving structural similarity between sequences during alignment. We implement this by employing a combined feature set of the one-dimensional Histogram of Oriented Gradients (HOG1D) and the original signal as the shape descriptor. Field test examples demonstrate that our method achieves precise alignment for images with complex textures, depth shifts, or local scaling. Furthermore, it provides a flexible framework for feature extension, allowing the integration of other descriptors tailored to specific geological features.
• Abstract（参考訳）: 油性泥 (OBM) を用いた盛土検層では, 上下のパッドセットを用いたインターリーブ設計により, 速度補正後のパッドイメージ間の深さずれが持続する。 本稿では,ShapeDTW(Shape Dynamic Time Warping)アルゴリズムに基づくボアホール画像の深度マッチング手法を提案する。 本手法は, 形状特徴を抽出し, 形状に敏感な距離行列を構築し, 配列間の構造的類似性を良好に保存する。 形状記述子として,向き付け勾配の1次元ヒストグラム(HOG1D)と元の信号を組み合わせた特徴セットを用いてこれを実装した。 フィールドテスト例では, 複雑なテクスチャ, 深度シフト, 局所スケーリングによる画像の正確なアライメントを実現する。 さらに、機能拡張のための柔軟なフレームワークを提供し、特定の地質学的特徴に合わせた他の記述子との統合を可能にする。

関連論文リスト

• Non-Rigid Structure-from-Motion via Differential Geometry with Recoverable Conformal Scale [17.935227965480475]
  共形変形下でのNRSfMに対するCon-NRSfMという新しい手法を提案する。 提案手法は,グラフベースのフレームワークにより最適化された2次元画像ワープを用いて,ポイントワイズ再構成を行う。 我々のフレームワークは、他のアプローチでは分離できない深さと等角スケールの制約を分離する。
  論文  参考訳（メタデータ） (2025-10-02T04:46:46Z)
• Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
  ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。 手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。 生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T16:19:00Z)
• ShapeShift: Towards Text-to-Shape Arrangement Synthesis with Content-Aware Geometric Constraints [13.2441524021269]
  ShapeShiftはテキスト誘導による画像から画像への変換タスクであり、入力された剛体形状の集合を重複しない構成に再構成する必要がある。 重複が発生した場合に,最小限の意味的コヒーレントな調整を施す,コンテンツ対応の衝突解決機構を導入する。 本手法は,空間的関係がテキストのプロンプトをはっきりと具現化した解釈可能な構成を与える。
  論文  参考訳（メタデータ） (2025-03-18T20:48:58Z)
• Linear Anchored Gaussian Mixture Model for Location and Width Computations of Objects in Thick Line Shape [1.7205106391379021]
  3次元画像グレーレベル表現は、統計分布の有限混合モデルであると考えられている。 入力データとして元の画像を用いた期待最大化アルゴリズム(Algo1)を用いてモデルパラメータを推定する。 修正EMアルゴリズム(Algo2)について詳述する。
  論文  参考訳（メタデータ） (2024-04-03T20:05:00Z)
• Spectral Meets Spatial: Harmonising 3D Shape Matching and Interpolation [50.376243444909136]
  本稿では,3次元形状の対応と形状の両面を統一的に予測する枠組みを提案する。 我々は、スペクトル領域と空間領域の両方の形状を地図化するために、奥行き関数写像フレームワークと古典的な曲面変形モデルを組み合わせる。
  論文  参考訳（メタデータ） (2024-02-29T07:26:23Z)
• Category Level Object Pose Estimation via Neural Analysis-by-Synthesis [64.14028598360741]
  本稿では、勾配に基づくフィッティング法とパラメトリックニューラルネットワーク合成モジュールを組み合わせる。 画像合成ネットワークは、ポーズ設定空間を効率的に分散するように設計されている。 本研究では,2次元画像のみから高精度に物体の向きを復元できることを実験的に示す。
  論文  参考訳（メタデータ） (2020-08-18T20:30:47Z)
• Image Morphing with Perceptual Constraints and STN Alignment [70.38273150435928]
  本稿では,一対の入力画像で動作する条件付きGANモーフィングフレームワークを提案する。 特別なトレーニングプロトコルは、知覚的類似性損失と組み合わせてフレームのシーケンスを生成し、時間とともにスムーズな変換を促進する。 我々は、古典的かつ潜時的な空間変形技術との比較を行い、自己スーパービジョンのための一連の画像から、我々のネットワークが視覚的に楽しむモーフィング効果を生成することを実証する。
  論文  参考訳（メタデータ） (2020-04-29T10:49:10Z)

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。