論文の概要: Unmixing microinfrared spectroscopic images of cross-sections of historical oil paintings

• arxiv url: http://arxiv.org/abs/2603.06673v1
• Date: Tue, 03 Mar 2026 09:47:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:12.705448
• Title: Unmixing microinfrared spectroscopic images of cross-sections of historical oil paintings
• Title（参考訳）: 未混合微赤外分光像による油絵断面の観察
• Authors: Shivam Pande, Nicolas Nadisic, Francisco Mederos-Henry, Aleksandra Pizurica,
• Abstract要約: ATR-$FTIR HSIのブラインドアンミックスのための教師なしCNNオートエンコーダを提案する。 本稿では,ヴァン・エイク兄弟によるヘント・アルタルピースのATR-$FTIR断面積を実証する。
• 参考スコア（独自算出の注目度）: 38.319445753146404
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spectroscopic imaging (SI) has become central to heritage science because it enables non-invasive, spatially resolved characterisation of materials in artefacts. In particular, attenuated total reflection Fourier transform infrared microscopy (ATR-$μ$FTIR) is widely used to analyse painting cross-sections, where a spectrum is recorded at each pixel to form a hyperspectral image (HSI). Interpreting these data is difficult: spectra are often mixtures of several species in heterogeneous, multi-layered and degraded samples, and current practice still relies heavily on manual comparison with reference libraries. This workflow is slow, subjective and hard to scale. We propose an unsupervised CNN autoencoder for blind unmixing of ATR-$μ$FTIR HSIs, estimating endmember spectra and their abundance maps while exploiting local spatial structure through patch-based modelling. To reduce sensitivity to atmospheric and acquisition artefacts across $>1500$ bands, we introduce a weighted spectral angle distance (WSAD) loss with automatic band-reliability weights derived from robust measures of spatial flatness, neighbour agreement and spectral roughness. Compared with standard SAD training, WSAD improves interpretability in contamination-prone spectral regions. We demonstrate the method on an ATR-$μ$FTIR cross-section from the Ghent Altarpiece attributed to the Van Eyck brothers.
• Abstract（参考訳）: 分光画像(SI)は、人工物中の物質の非侵襲的で空間的に解決された特徴化を可能にするため、遺産科学の中心となっている。 特に、減衰全反射フーリエ変換赤外線顕微鏡(ATR-$μ$FTIR)は、各画素にスペクトルを記録して超スペクトル画像(HSI)を形成する断面積を解析するために広く用いられる。 これらのデータの解釈は困難であり、スペクトルは多層・多層・劣化したサンプルの様々な種の混合であり、現在の慣行は参照ライブラリと手動比較に大きく依存している。 このワークフローは遅く、主観的で、スケールが難しい。 ATR-$μ$FTIR HSIのブラインドアンミックスのための教師なしCNNオートエンコーダを提案する。 1500ドル(約1万5000円)の帯にまたがる大気・取得アーチファクトに対する感度を低下させるために,空間平坦性,近接一致性,およびスペクトル粗さの頑健性から導かれる自動バンド信頼度重み付きスペクトル角距離(WSAD)損失を導入する。 標準的なSADトレーニングと比較すると、WSADは汚染に起因したスペクトル領域の解釈可能性を向上させる。 本稿では,ヴァン・エイク兄弟によるヘント・アルタルピースのATR-$μ$FTIR断面積について示す。

関連論文リスト

• Spectral Discrepancy and Cross-modal Semantic Consistency Learning for Object Detection in Hyperspectral Image [40.38555448650773]
  スペクトル分解能の高いハイパースペクトル画像は、類似した物質の微妙な違いを認識するための新たな洞察を与える。 ハイパースペクトル画像における物体検出は、ハイパースペクトル間バンドの空間的差異により、クラス内およびクラス間類似性において重大な課題に直面している。 textbfSpectral textbfDiscrepancy と textbfCross-textbfModal semantic consistency learning (SDCM) という新しいネットワークを提案する。 提案手法は他の手法と比較して最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-12-20T07:03:09Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• Beyond the Visible: Jointly Attending to Spectral and Spatial Dimensions with HSI-Diffusion for the FINCH Spacecraft [2.5057561650768814]
  FINCHミッションは、農地の作物の残留物を監視することを目的としている。 ハイパースペクトルイメージングは、スペクトル情報と空間情報の両方をキャプチャする。 ランダムノイズ、ストライプノイズ、デッドピクセルなど、様々な種類のノイズが生じる傾向がある。
  論文  参考訳（メタデータ） (2024-06-15T19:34:18Z)
• Boosting the Generalization Ability for Hyperspectral Image Classification using Spectral-spatial Axial Aggregation Transformer [14.594398447576188]
  ハイパースペクトル画像分類(HSIC)タスクでは、最も一般的に使われているモデル検証パラダイムは、画素単位のランダムサンプリングによってトレーニング・テストデータセットを分割することである。 私たちの実験では、トレーニングとテストデータセットが多くの情報を共有しているため、高い精度が達成できたことが分かりました。 本稿では,データセット分割間の一般化を保ったスペクトル-空間軸アグリゲーション変換器モデルSaaFormerを提案する。
  論文  参考訳（メタデータ） (2023-06-29T07:55:43Z)
• SpectralDiff: A Generative Framework for Hyperspectral Image Classification with Diffusion Models [18.391049303136715]
  拡散モデルを用いたHSI分類のための生成フレームワーク(SpectralDiff)を提案する。 SpectralDiffは、高次元および高冗長なデータの分布情報を効果的にマイニングする。 3つの公開HSIデータセットの実験により、提案手法は最先端の手法よりも優れた性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-04-12T16:32:34Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)
• Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
  高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。 本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。 限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-31T02:13:00Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)

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。