論文の概要: U-Net Based Image Enhancement for Short-time Muon Scattering Tomography
- arxiv url: http://arxiv.org/abs/2602.07060v1
- Date: Thu, 05 Feb 2026 10:11:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-10 20:26:24.412075
- Title: U-Net Based Image Enhancement for Short-time Muon Scattering Tomography
- Title（参考訳）: 短時間ミューオン散乱トモグラフィのためのU-Netによる画像強調
- Authors: Haochen Wang, Pei Yu, Liangwen Chen, Weibo He, Yu Zhang, Yuhong Yu, Xueheng Zhang, Lei Yang, Zhiyu Sun,
- Abstract要約: Muon Scattering Tomography (MST) は有望な非侵襲検査法である。
シミュレーションMSTデータを用いて再構成したPポイント・オブ・クローズスト・アプローチ(PoCA)画像に基づいて訓練したU-Netベースの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）: 16.46466157957986
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Muon Scattering Tomography (MST) is a promising non-invasive inspection technique, yet the practical application of short-time MST is hindered by poor image quality due to limited muon flux. To address this limitation, we propose a U-Net-based framework trained on Point of Closest Approach (PoCA) images reconstructed with simulation MST data to enhance image quality. When applied to experimental MST data, the framework significantly improves image quality, increasing the Structural Similarity Index Measure (SSIM) from 0.7232 to 0.9699 and decreasing the Learned Perceptual Image Patch Similarity (LPIPS) from 0.3604 to 0.0270. These results demonstrate that our method can effectively enhance low-statistics MST images, thereby paving the way for the practical deployment of short-time MST.
- Abstract（参考訳）: Muon Scattering Tomography (MST) は有望な非侵襲検査法であるが, 短時間MSTの実用化は, ムーンフラックスの限界による画質の低下を妨げている。
この制限に対処するために,シミュレーションMSTデータを用いて再構成したPOCA(Point of Closest Approach)画像に基づいて訓練されたU-Netベースのフレームワークを提案する。
実験的なMSTデータに適用すると、このフレームワークは画像品質を大幅に改善し、構造的類似度指標(SSIM)は0.7232から0.9699に増加し、学習された知覚的イメージパッチ類似度(LPIPS)は0.3604から0.0270に低下する。
これらの結果から,本手法は低統計的MST画像を効果的に向上し,短時間MSTの実践的展開の道を開くことができることが示された。
関連論文リスト
- Generative Image Restoration and Super-Resolution using Physics-Informed Synthetic Data for Scanning Tunneling Microscopy [2.873869397844946]
本稿では、画像修復のための機械学習(ML)アプローチと、両方の課題を軽減するための超解像を提案する。
物理インフォームド合成データ生成パイプラインは,いくつかの最先端のフローマッチングおよび拡散モデルの訓練に利用できることを示す。
我々のフレームワークは、STM実験のスループットを大幅に向上させる可能性がある。
論文 参考訳（メタデータ） (2025-10-29T19:50:34Z) - MILO: A Lightweight Perceptual Quality Metric for Image and Latent-Space Optimization [11.748693494376468]
フルリファレンス画像品質評価(FR-IQA)のための軽量・マルチスケール・知覚メトリックMILOを提案する。
コンパクトなアーキテクチャにもかかわらず、MILOは標準のFR-IQAベンチマークで既存のメトリクスを上回り、リアルタイムアプリケーションに適した高速推論を提供する。
安定拡散におけるVAEエンコーダの潜時表現にMILOでモデル化された空間マスキングを適用すると、効率よく知覚的に整合した最適化が可能となることを示す。
論文 参考訳（メタデータ） (2025-09-01T12:08:30Z) - Resolution Enhancement of Under-sampled Photoacoustic Microscopy Images using Implicit Neural Representations [4.672315172406826]
光音響顕微鏡(AR-PAM)は皮下血管造影に有用である。
従来のデコンボリューション法では、PSF(Point Spreadvolution)を使用して解像度を改善する。
Inlicit Neural Representation (INR) に基づくアプローチを提案する。
本手法は,空間座標から初期音圧への連続的なマッピングを学習し,離散像の限界を克服する。
論文 参考訳（メタデータ） (2024-10-15T00:44:57Z) - Batch-FPM: Random batch-update multi-parameter physical Fourier ptychography neural network [0.933064392528114]
Fourier Ptychographic Microscopy (FPM) は、大規模視野での高解像度イメージングを可能にする計算イメージング技術である。
本稿では,バッチ更新勾配勾配(SGD)最適化戦略を用いた物理ニューラルネットワークに基づく高速かつ堅牢なFPM再構成手法を提案する。
本手法は,低露光時間暗視野画像などの低信号対雑音比データセットに対しても,コンバージェンス性能が向上する。
論文 参考訳（メタデータ） (2024-08-25T09:24:18Z) - Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。
提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。
提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
論文 参考訳（メタデータ） (2024-03-12T05:06:07Z) - Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。
我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。
実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
論文 参考訳（メタデータ） (2024-01-25T08:11:27Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Photoacoustic Microscopy with Sparse Data Enabled by Convolutional
Neural Networks for Fast Imaging [0.9786690381850356]
光音響顕微鏡(PAM)は近年,バイオメディカルイメージング技術として期待されている。
サンプリング密度の低減は、画像品質の犠牲となる画像取得時間を自然に短縮することができる。
本稿では,畳み込みニューラルネットワーク(CNN)を用いたスパースPAM画像の品質向上手法を提案する。
論文 参考訳（メタデータ） (2020-06-08T05:49:32Z)
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。