論文の概要: Operator learning for models of tear film breakup
- arxiv url: http://arxiv.org/abs/2601.08001v1
- Date: Mon, 12 Jan 2026 21:09:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-14 18:27:18.948896
- Title: Operator learning for models of tear film breakup
- Title（参考訳）: 涙膜破壊モデルのためのオペレータ学習
- Authors: Qinying Chen, Arnab Roy, Tobin A. Driscoll,
- Abstract要約: 涙膜破壊はドライアイの理解の鍵となる要因である。
本稿では、従来の逆解法を、シミュレーションされたTFダイナミクスに基づいて訓練されたニューラル演算子に置き換える演算子学習フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 1.8306799623682963
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tear film (TF) breakup is a key driver of understanding dry eye disease, yet estimating TF thickness and osmolarity from fluorescence (FL) imaging typically requires solving computationally expensive inverse problems. We propose an operator learning framework that replaces traditional inverse solvers with neural operators trained on simulated TF dynamics. This approach offers a scalable path toward rapid, data-driven analysis of tear film dynamics.
- Abstract（参考訳）: テアフィルム(TF)の分解は、ドライアイの病気を理解する上で重要な要因であるが、蛍光イメージング(FL)画像からTFの厚さと浸透度を推定するには、計算コストのかかる逆問題を解く必要がある。
本稿では、従来の逆解法を、シミュレーションされたTFダイナミクスに基づいて訓練されたニューラル演算子に置き換える演算子学習フレームワークを提案する。
このアプローチは、涙膜力学の迅速かつデータ駆動分析に向けたスケーラブルな経路を提供する。
関連論文リスト
- Distillation Dynamics: Towards Understanding Feature-Based Distillation in Vision Transformers [4.712287472749922]
蒸留力学」と呼ばれる新しい分析枠組みを通じて、この現象を包括的に分析する。
特徴蒸留における負の伝達の根本原因を,教師と学生のモデル間の基本的な表現パラダイムのミスマッチと同定する。
この結果から,ViTsにおける知識伝達の成功には,これらの基本的表現制約を尊重する手法へのナイーブな特徴模倣を超越する必要があることが明らかとなった。
論文 参考訳（メタデータ） (2025-11-10T08:46:30Z) - Rethinking Video Tokenization: A Conditioned Diffusion-based Approach [58.164354605550194]
新しいトークン化ツールであるDiffusion Conditioned-based Gene Tokenizerは、GANベースのデコーダを条件付き拡散モデルで置き換える。
再建に基本的MSE拡散損失とKL項,LPIPSを併用した訓練を行った。
CDTのスケールダウン版(3$times inference speedup)でさえ、トップベースラインと互換性がある。
論文 参考訳（メタデータ） (2025-03-05T17:59:19Z) - Let Video Teaches You More: Video-to-Image Knowledge Distillation using DEtection TRansformer for Medical Video Lesion Detection [91.97935118185]
医用ビデオ病変検出のための画像間知識蒸留法を提案する。
複数フレームのコンテキストを単一のフレームに蒸留することにより、ビデオベースモデルから時間的コンテキストを利用する利点と、画像ベースモデルの推論速度を組み合わせたV2I-DETRを提案する。
V2I-DETRは、画像ベースモデルとしてリアルタイム推論速度(30FPS)を達成しつつ、従来の最先端手法を大きなマージンで上回る。
論文 参考訳（メタデータ） (2024-08-26T07:17:05Z) - SD-DiT: Unleashing the Power of Self-supervised Discrimination in Diffusion Transformer [102.39050180060913]
拡散変換器(DiT)は画像生成における生成拡散モデルの新たなトレンドとして登場した。
最近のブレークスルーは、画像内文脈学習を追加することで、DiTのトレーニング効率を大幅に改善するマスク戦略によって推進されている。
本研究は,DiTトレーニングを促進するための自己監督的識別知識を新たに開放することで,これらの制約に対処する。
論文 参考訳（メタデータ） (2024-03-25T17:59:35Z) - Unmasked Teacher: Towards Training-Efficient Video Foundation Models [50.19560876891811]
ビデオファウンデーションモデル(VFM)は、高い計算コストとデータ不足のため、限られた探索を受けている。
本稿では,既存の手法の利点を生かした時間感応型VFMの訓練効率向上手法を提案する。
我々のモデルは、シーン関連、時間関連、複雑なビデオ言語理解を含む様々なタスクを処理できる。
論文 参考訳（メタデータ） (2023-03-28T15:39:28Z) - Training Adaptive Reconstruction Networks for Blind Inverse Problems [0.0]
本研究では,ネットワークをフォワード演算子のファミリーでトレーニングすることで,再構成品質を著しく向上させることなく適応性問題を解くことができることを示す。
実験には、感度推定とオフ共鳴効果を備えたMRI(MRI)による部分フーリエサンプリング問題、傾斜した形状のコンピュータ断層撮影(CT)、フレネル回折核による画像劣化などが含まれる。
論文 参考訳（メタデータ） (2022-02-23T07:56:02Z) - Towards Generative Video Compression [37.759436128930346]
本稿では,GAN(Generative Adversarial Network)に基づくニューラルビデオ圧縮手法を提案する。
論文 参考訳（メタデータ） (2021-07-26T08:53:48Z)
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。