論文の概要: Artifact Removal and Image Restoration in AFM:A Structured Mask-Guided Directional Inpainting Approach
- arxiv url: http://arxiv.org/abs/2602.04051v1
- Date: Tue, 03 Feb 2026 22:37:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-05 19:45:11.295761
- Title: Artifact Removal and Image Restoration in AFM:A Structured Mask-Guided Directional Inpainting Approach
- Title（参考訳）: AFMにおけるアーチファクト除去と画像復元:構造化マスク誘導指向性塗装アプローチ
- Authors: Juntao Zhang, Angona Biswas, Jaydeep Rade, Charchit Shukla, Juan Ren, Anwesha Sarkar, Adarsh Krishnamurthy, Aditya Balu,
- Abstract要約: 原子間力顕微鏡(AFM)はナノスケールでの高分解能表面イメージングを可能にする。
AFM画像解析におけるアーティファクト検出と復元のためのフレームワークについて述べる。
- 参考スコア（独自算出の注目度）: 7.730894367685827
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Atomic Force Microscopy (AFM) enables high-resolution surface imaging at the nanoscale, yet the output is often degraded by artifacts introduced by environmental noise, scanning imperfections, and tip-sample interactions. To address this challenge, a lightweight and fully automated framework for artifact detection and restoration in AFM image analysis is presented. The pipeline begins with a classification model that determines whether an AFM image contains artifacts. If necessary, a lightweight semantic segmentation network, custom-designed and trained on AFM data, is applied to generate precise artifact masks. These masks are adaptively expanded based on their structural orientation and then inpainted using a directional neighbor-based interpolation strategy to preserve 3D surface continuity. A localized Gaussian smoothing operation is then applied for seamless restoration. The system is integrated into a user-friendly GUI that supports real-time parameter adjustments and batch processing. Experimental results demonstrate the effective artifact removal while preserving nanoscale structural details, providing a robust, geometry-aware solution for high-fidelity AFM data interpretation.
- Abstract（参考訳）: 原子間力顕微鏡(AFM)はナノスケールでの高分解能表面イメージングを可能にするが、その出力は環境ノイズ、走査欠陥、先端とサンプルの相互作用によってもたらされるアーティファクトによって劣化する。
この課題に対処するために、AFM画像解析におけるアーティファクトの検出と復元のための軽量で完全に自動化されたフレームワークを提案する。
パイプラインは、AFMイメージにアーティファクトが含まれているかどうかを決定する分類モデルから始まる。
必要であれば、AMMデータに基づいてカスタム設計および訓練された軽量なセマンティックセグメンテーションネットワークを適用して、正確なアーティファクトマスクを生成する。
これらのマスクは、その構造配向に基づいて適応的に拡張され、3次元表面の連続性を維持するために、向きの隣り合う補間戦略を用いて塗装される。
局所化ガウス平滑化演算をシームレスに復元する。
このシステムは、リアルタイムパラメータ調整とバッチ処理をサポートするユーザフレンドリーなGUIに統合されている。
実験により, ナノスケールの微細構造を保存し, 高忠実度AFMデータ解釈のためのロバストで幾何対応のソリューションを提供することにより, 有効アーチファクトの除去を実証した。
関連論文リスト
- Deepfake Detection with Multi-Artifact Subspace Fine-Tuning and Selective Layer Masking [11.158258169109907]
ディープフェイク検出は、クロスデータセットと現実世界の複雑なシナリオにおいて依然として重大な課題に直面している。
本稿では,多要素部分空間と選択層マスク(MASM)に基づくディープフェイク検出手法を提案する。
MASMは、アーティファクト表現から意味表現を明示的に分離し、アーティファクト部分空間の適合強度を制限する。
論文 参考訳（メタデータ） (2026-01-03T02:33:18Z) - DMAT: An End-to-End Framework for Joint Atmospheric Turbulence Mitigation and Object Detection [7.0622384724837355]
大気乱流(AT)は、監視画像の明瞭さと精度を低下させる。
視覚的品質を改善するために深層学習に基づく手法が提案されているが、新しい歪みは依然として大きな問題である。
本稿では,変形した特徴を補償し,可視化とオブジェクト検出を同時に改善するフレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-06T10:12:02Z) - FOAM: A General Frequency-Optimized Anti-Overlapping Framework for Overlapping Object Perception [7.258172311752019]
重なり合う物体知覚は、ランダムに重なり合う前景の特徴を分離し、背景の特徴を抑えつつ前景の特徴を抽出することを目的としている。
本稿では、よりテクスチャや輪郭情報を抽出する際のモデルを支援するために、一般周波数ベースのアンチオーバーラップフレームワーク(FOAM)を提案する。
具体的には、周波数空間変換器ブロック(FSTB)を設計し、周波数領域と空間領域の両方から特徴を同時に抽出し、ネットワークがフォアグラウンドからより多くのテクスチャ特徴をキャプチャするのに役立つ。
論文 参考訳（メタデータ） (2025-06-16T13:58:49Z) - MDiff-FMT: Morphology-aware Diffusion Model for Fluorescence Molecular Tomography with Small-scale Datasets [29.920562899648985]
蛍光分子トモグラフィー (FMT) は、生体医学研究に広く用いられている感度光学イメージング技術である。
逆問題により、FMT再建に大きな課題が生じる。
拡散確率モデル(DDPM)に基づくMDiff-FMT(MDiff-FMT)を初めて報告し,高忠実な形態的再構成を実現する。
論文 参考訳（メタデータ） (2024-10-09T10:41:31Z) - Rethinking the Up-Sampling Operations in CNN-based Generative Network
for Generalizable Deepfake Detection [86.97062579515833]
我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。
tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。
この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
論文 参考訳（メタデータ） (2023-12-16T14:27:06Z) - 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) - MAT: Mask-Aware Transformer for Large Hole Image Inpainting [79.67039090195527]
本稿では, 変圧器と畳み込みの利点を統一する, 大穴塗装の新しいモデルを提案する。
実験では、複数のベンチマークデータセット上で、新しいモデルの最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2022-03-29T06:36:17Z) - UNISURF: Unifying Neural Implicit Surfaces and Radiance Fields for
Multi-View Reconstruction [61.17219252031391]
ニューラル暗黙的3D表現を用いた多視点画像から表面を再構築する新しい手法を提案する。
我々の重要な洞察は、暗黙の曲面モデルと放射場を統一的に定式化し、表面および体積のレンダリングを可能にすることである。
実験により, マスクを必要とせず, idrと同等の性能を保ちつつ, 再構成品質でnrfを上回った。
論文 参考訳（メタデータ） (2021-04-20T15:59:38Z)
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。