論文の概要: Instance camera focus prediction for crystal agglomeration classification

• arxiv url: http://arxiv.org/abs/2601.09004v1
• Date: Tue, 13 Jan 2026 22:02:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.179483
• Title: Instance camera focus prediction for crystal agglomeration classification
• Title（参考訳）: 結晶集合分類のためのインスタンスカメラ焦点予測
• Authors: Xiaoyu Ji, Chenhao Zhang, Tyler James Downard, Zoltan Nagy, Ali Shakouri, Fengqing Zhu,
• Abstract要約: アグロメレーション(英: Agglomeration)とは、粒子間力による結晶団結の過程を指す。 提案手法は, 過塩素酸アンモニウム結晶および糖結晶データセットのベースラインモデルよりも, 凝集分類とセグメンテーション精度が高い。
• 参考スコア（独自算出の注目度）: 12.188809064628684
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agglomeration refers to the process of crystal clustering due to interparticle forces. Crystal agglomeration analysis from microscopic images is challenging due to the inherent limitations of two-dimensional imaging. Overlapping crystals may appear connected even when located at different depth layers. Because optical microscopes have a shallow depth of field, crystals that are in-focus and out-of-focus in the same image typically reside on different depth layers and do not constitute true agglomeration. To address this, we first quantified camera focus with an instance camera focus prediction network to predict 2 class focus level that aligns better with visual observations than traditional image processing focus measures. Then an instance segmentation model is combined with the predicted focus level for agglomeration classification. Our proposed method has a higher agglomeration classification and segmentation accuracy than the baseline models on ammonium perchlorate crystal and sugar crystal dataset.
• Abstract（参考訳）: アグロメレーション(英: Agglomeration)とは、粒子間力による結晶団結の過程を指す。 顕微鏡画像からの結晶凝集解析は、2次元イメージングの固有の限界のために困難である。 重なり合う結晶は、異なる深さ層に位置する場合でも接続されることがある。 光学顕微鏡は被写界深度が浅いため、同じ画像の焦点内および焦点外にある結晶は、通常異なる深さ層に存在し、真の凝集を形成しない。 これを解決するために、私たちはまずインスタンスカメラフォーカス予測ネットワークとカメラフォーカスを定量化し、従来の画像処理フォーカス測定よりも視覚的観察と整合する2つのクラスフォーカスレベルを予測した。 次に、インスタンスセグメンテーションモデルをアグロメレーション分類の予測フォーカスレベルと組み合わせる。 提案手法は, 過塩素酸アンモニウム結晶および糖結晶データセットのベースラインモデルよりも, 凝集分類とセグメンテーション精度が高い。

関連論文リスト

• Fine-grained Defocus Blur Control for Generative Image Models [66.30016220484394]
  現在のテキストと画像の拡散モデルは、多様な高品質な画像を生成するのに優れている。 本稿では,カメラメタデータを活用した新しいテキスト・画像拡散フレームワークを提案する。 我々のモデルは、描写されたシーンを変更することなく、より優れたきめ細かい制御を可能にする。
  論文  参考訳（メタデータ） (2025-10-07T17:59:15Z)
• DiffCamera: Arbitrary Refocusing on Images [55.948229011478304]
  DiffCameraは、任意の新しいフォーカスポイントとぼやけレベルに条件付けされた生成画像のフレキシブルな再フォーカスを可能にするモデルである。 DiffCameraは、さまざまな場面で安定したリフォーカスをサポートし、写真や生成AIアプリケーションのためのDoF調整を前例のないコントロールを提供する。
  論文  参考訳（メタデータ） (2025-09-30T17:48:23Z)
• Confidence-aware agglomeration classification and segmentation of 2D microscopic food crystal images [7.521068676213135]
  食品結晶凝集(英: food crystal agglomeration)は、結晶化の過程で起こる現象であり、結晶間の水を捕捉し、食品の品質に影響を与える。 提案手法は2つの信頼度で評価され,潜在的凝集インスタンスの分類に成功している。
  論文  参考訳（メタデータ） (2025-07-31T03:02:50Z)
• BokehDiff: Neural Lens Blur with One-Step Diffusion [62.59018200914645]
  ボケフディフ(BokehDiff)は、物理的に正確で視覚的に魅力的な結果が得られるレンズボウ描画法である。 提案手法では, 画像形成プロセスと整合する自己認識モジュールを物理に着想を得た。 付加雑音を導入することなく1ステップの推論方式に拡散モデルを適応させ,高品質で忠実な結果を得る。
  論文  参考訳（メタデータ） (2025-07-24T03:23:19Z)
• Examining the Impact of Optical Aberrations to Image Classification and Object Detection Models [58.98742597810023]
  視覚モデルは、ノイズやぼやけなどの乱れに対して頑丈に振る舞う必要がある。 本稿では,OpticsBenchとLensCorruptionsという,ぼやけた汚職の2つのデータセットについて検討する。 ImageNet と MSCOCO における画像分類と物体検出の評価は,様々な事前学習モデルにおいて OpticsBench と LensCorruptions の性能が著しく異なることを示す。
  論文  参考訳（メタデータ） (2025-04-25T17:23:47Z)
• Multi-scale attention-based instance segmentation for measuring crystals with large size variation [4.562538903457833]
  本研究では,測定精度を向上させるために,より堅牢なセグメンテーション結果を提供するインスタンスベースのセグメンテーション手法を提案する。 提案手法は,サイズを意識したマルチスケールアテンションモジュールを用いたフローマップを改良する。 結晶粒径の変動が大きい高解像度画像の屈折率原材料データセットを用いて本手法の評価を行い,既存の方法よりも高精度に結晶粒径を計算できることを示す。
  論文  参考訳（メタデータ） (2024-01-08T14:57:32Z)
• Curved Diffusion: A Generative Model With Optical Geometry Control [56.24220665691974]
  最終シーンの外観に対する異なる光学系の影響は、しばしば見過ごされる。 本研究では,画像レンダリングに使用される特定のレンズとテキスト画像拡散モデルを密接に統合するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-29T13:06:48Z)
• Defocus Deblur Microscopy via Head-to-Tail Cross-scale Fusion [0.0]
  カスケード残留傾きのないマルチスケールU-Net構造を開発した。 従来の粗大なモデルとは対照的に,我々のモデルは大規模相互作用を強化する。 提案手法は,既存モデルと比較して性能が向上する。
  論文  参考訳（メタデータ） (2022-01-08T18:53:54Z)
• Decentralized Autofocusing System with Hierarchical Agents [2.7716102039510564]
  本稿では,カメラとレンズ焦点設定をインテリジェントに制御する階層型マルチエージェント深部強化学習手法を提案する。 このアルゴリズムはカメラのストリームの潜在表現に依存しており、カメラの全く参照しないチューニングを可能にする最初の方法である。
  論文  参考訳（メタデータ） (2021-08-29T13:45:15Z)

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。