論文の概要: 3-D Representations for Hyperspectral Flame Tomography

• arxiv url: http://arxiv.org/abs/2603.27832v1
• Date: Sun, 29 Mar 2026 19:39:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.137269
• Title: 3-D Representations for Hyperspectral Flame Tomography
• Title（参考訳）: ハイパースペクトル火炎トモグラフィの3次元表示
• Authors: Nicolas Tricard, Zituo Chen, Sili Deng,
• Abstract要約: 火炎トモグラフィーは3次元熱化学的再構成による実験から大量のデータを抽出するための魅力的なアプローチである。 ニューラルネットの火炎表現を用いた最近の研究は、従来のトモグラフィー法と比較して再現性の向上を示唆している。 ここでは,古典的なボクセルグリッド表現と様々な正則化器を比較し,模擬プール火災のトモグラフィー再構成のための連続的ニューラル表現と比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Flame tomography is a compelling approach for extracting large amounts of data from experiments via 3-D thermochemical reconstruction. Recent efforts employing neural-network flame representations have suggested improved reconstruction quality compared with classical tomography approaches, but a rigorous quantitative comparison with the same algorithm using a voxel-grid representation has not been conducted. Here, we compare a classical voxel-grid representation with varying regularizers to a continuous neural representation for tomographic reconstruction of a simulated pool fire. The representations are constructed to give temperature and composition as a function of location, and a subsequent ray-tracing step is used to solve the radiative transfer equation to determine the spectral intensity incident on hyperspectral infrared cameras, which is then convolved with an instrument lineshape function. We demonstrate that the voxel-grid approach with a total-variation regularizer reproduces the ground-truth synthetic flame with the highest accuracy for reduced memory intensity and runtime. Future work will explore more representations and under experimental configurations.
• Abstract（参考訳）: 火炎トモグラフィーは3次元熱化学的再構成による実験から大量のデータを抽出するための魅力的なアプローチである。 近年, 従来のトモグラフィ手法と比較して, 再現性の向上が示唆されているが, ボクセル-グリッド表現を用いた同じアルゴリズムと厳密な定量的比較は行われていない。 ここでは,古典的なボクセル・グリッド表現と様々な正則化器を比較し,模擬プール火災のトモグラフィー再構成のための連続的ニューラル表現と比較する。 これらの表現は、位置の関数として温度と組成を与えるように構成され、続いて放射光伝達方程式を解くためにレイトレーシングステップを用いて、高スペクトル赤外線カメラに発生するスペクトル強度を決定する。 総変量正則化器を用いたボクセル・グリッド法は, 記憶強度と実行時間を低減するために, 最も高い精度で地上トルス合成火炎を再現することを示した。 今後は、さらなる表現と実験的な構成について検討する予定である。

関連論文リスト

• FlameGS: Reconstruct flame light field via Gaussian Splatting [4.907647602688227]
  本稿では,火炎シミュレーション技術に触発された火炎の新しい表現法を提案する。 実際の画像と予測された2次元投影の間の平均構造的類似度指数は0.96であり、ピーク信号対ノイズ比は39.05である。
  論文  参考訳（メタデータ） (2024-12-24T11:00:26Z)
• GUS-IR: Gaussian Splatting with Unified Shading for Inverse Rendering [83.69136534797686]
  GUS-IRは、粗く光沢のある表面を特徴とする複雑なシーンの逆レンダリング問題に対処するために設計された新しいフレームワークである。 本稿では、逆レンダリング、フォワードシェーディング、遅延シェーディングに広く使われている2つの顕著なシェーディング技術を分析し、比較することから始める。 両手法の利点を組み合わせた統合シェーディングソリューションを提案する。
  論文  参考訳（メタデータ） (2024-11-12T01:51:05Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• Differentiable Rendering for Synthetic Aperture Radar Imagery [0.0]
  本稿では,3次元コンピュータグラフィックスの手法とニューラルレンダリングを組み合わせた合成開口レーダ(SAR)画像の微分可能レンダリング手法を提案する。 高忠実度シミュレーションSARデータを用いた限られたSAR画像からの3次元オブジェクト再構成の逆画像問題に対するアプローチを実証する。
  論文  参考訳（メタデータ） (2022-04-04T05:27:40Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
  多視点画像観測による材料と照明の協調最適化手法を提案する。 従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
  論文  参考訳（メタデータ） (2021-11-24T13:58:20Z)
• Hierarchical Temperature Imaging Using Pseudo-Inversed Convolutional Neural Network Aided TDLAS Tomography [16.39189394591311]
  畳み込みニューラルネットワーク(CNN)は、画像再構成においてより堅牢で正確であることが証明されている。 階層型温度イメージングのためのPseudo-Inversed CNN(PI-CNN)を提案する。
  論文  参考訳（メタデータ） (2021-06-05T14:14:41Z)
• Data-Driven Shadowgraph Simulation of a 3D Object [50.591267188664666]
  我々は、数値コードをより安価でプロジェクションベースのサロゲートモデルに置き換えている。 このモデルは、数値的な方法で必要となるすべての前の電場を計算することなく、所定の時間で電場を近似することができる。 このモデルでは, シミュレーションパラメータの狭い範囲におけるデータの摂動問題において, 高品質な再構成が示されており, 大規模な入力データに利用することができる。
  論文  参考訳（メタデータ） (2021-06-01T08:46:04Z)

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。