論文の概要: PhaseFlow4D: Physically Constrained 4D Beam Reconstruction via Feedback-Guided Latent Diffusion

• arxiv url: http://arxiv.org/abs/2604.03885v2
• Date: Tue, 07 Apr 2026 16:43:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 15:04:55.549712
• Title: PhaseFlow4D: Physically Constrained 4D Beam Reconstruction via Feedback-Guided Latent Diffusion
• Title（参考訳）: PhaseFlow4D:フィードバック誘導潜時拡散による物理的に拘束された4次元ビーム再構成
• Authors: Alexander Scheinker, Alexander Plastun, Peter Ostroumov,
• Abstract要約: フェーズFlow4Dは、不完全な2D観測だけで完全な4D位相空間を再構築し、追跡する。 希土類同位体ビーム施設における重イオンビームの多粒子シミュレーションについて検証した。
• 参考スコア（独自算出の注目度）: 78.29352305480285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the problem of recovering a time-varying 4D distribution from a sparse sequence of 2D projections - analogous to novel-view synthesis from sparse cameras, but applied to the 4D transverse phase space density $ρ(x,p_x,y,p_y)$ of charged particle beams. Direct single shot measurement of this high-dimensional distribution is physically impossible in real particle accelerator systems; only limited 1D or 2D projections are accessible. We propose PhaseFlow4D, a feedback-guided latent diffusion model that reconstructs and tracks the full 4D phase space from incomplete 2D observations alone, with built-in hard physics constraints. Our core technical contribution is a 4D VAE whose decoder generates the full 4D phase space tensor, from which 2D projections are analytically computed and compared against 2D beam measurements. This projection-consistency constraint guarantees physical correctness by construction - not as a soft penalty, but as an architectural prior. An adaptive feedback loop then continuously tunes the conditioning vector of the latent diffusion model to track time-varying distributions online without retraining. We validate on multi-particle simulations of heavy-ion beams at the Facility for Rare Isotope Beams (FRIB), where full physics simulations require $\sim$6 hours on a 100-core HPC system. PhaseFlow4D achieves accurate 4D reconstructions 11000$\times$ faster while faithfully tracking distribution shifts under time-varying source conditions - demonstrating that principled generative reconstruction under incomplete observations transfers robustly beyond visual domains.
• Abstract（参考訳）: 本研究では,2次元プロジェクションのスパースシーケンスから時間変化4次元分布を復元する問題に対処する。これはスパースカメラからの新規ビュー合成に類似するが,荷電粒子ビームの4次元横位相空間密度$ρ(x,p_x,y,p_y)$に適用する。 この高次元分布の直接単発測定は、実粒子加速器システムでは物理的に不可能であり、1Dまたは2Dプロジェクションのみがアクセス可能である。 本研究では,不完全な2次元観測のみから完全な4次元位相空間を再構成・追跡するフィードバック誘導潜在拡散モデルであるPyseFlow4Dを提案する。 我々の中心となる技術的貢献は、デコーダが全4次元位相空間テンソルを生成し、2次元射影を解析的に計算し、2次元ビーム計測と比較する4D VAEである。 この射影整合性制約は、建設による物理的正当性を保証する。 適応フィードバックループは、遅延拡散モデルの条件ベクトルを連続的に調整し、オンラインの時間変化分布をリトレーニングせずに追跡する。 我々は、100コアHPCシステムにおいて、完全な物理シミュレーションに$\sim$6時間を要する、希土類同位体ビーム施設(FRIB)における重イオンビームの多粒子シミュレーションを検証した。 PhaseFlow4Dは、正確な4D再構成を11000$\times$高速に達成し、時間変化ソース条件下での分布変化を忠実に追跡する。

関連論文リスト

• Orthogonal Spatial-temporal Distributional Transfer for 4D Generation [58.30004328671699]
  既存の3次元拡散モデルと時間的拡散モデルから豊かな空間的先行を転送し、4次元合成を強化するフレームワークを提案する。 空間・時間差4D(STD-4D)拡散モデルを構築し,空間・時間差による4D映像を合成する。 実験の結果,提案手法は従来の手法よりも優れ,空間的時間的整合性と高品質な4D合成を実現していることがわかった。
  論文  参考訳（メタデータ） (2026-03-05T11:52:21Z)
• SS4D: Native 4D Generative Model via Structured Spacetime Latents [50.29500511908054]
  モノクロビデオから直接動的3Dオブジェクトを合成する,ネイティブな4D生成モデルであるSS4Dを提案する。 発電機を4Dデータで直接訓練し、高忠実度、時間的コヒーレンス、構造的整合性を実現する。
  論文  参考訳（メタデータ） (2025-12-16T10:45:06Z)
• Tracking-Guided 4D Generation: Foundation-Tracker Motion Priors for 3D Model Animation [21.075786141331974]
  スパース入力から動的4Dオブジェクトを生成するフレームワークであるemphTrack4DGenを提案する。 ステージ1では拡散発生器内の高密度な特徴レベル対応を強制する。 ステージ2では,ハイブリッドモーション符号化を用いて動的4D-GSを再構成する。
  論文  参考訳（メタデータ） (2025-12-05T21:13:04Z)
• U4D: Uncertainty-Aware 4D World Modeling from LiDAR Sequences [54.77163447282599]
  既存の生成フレームワークは、すべての空間領域を均一に扱い、現実世界のシーンで様々な不確実性を見渡せる。 4次元LiDAR世界モデリングのための不確実性認識フレームワークであるU4Dを提案する。 提案手法はまず,事前訓練されたセグメンテーションモデルから空間不確実性マップを推定し,意味論的に困難な領域を局所化する。 次に,(1)高エントロピー領域を微細な幾何学的忠実度で再構成する不確実領域モデリング,(2)学習された構造的先行条件の下で残りの領域を合成する不確実条件完備化という2つの段階を通じて,「ハード・トゥ・イージー」な方法で生成を行う。
  論文  参考訳（メタデータ） (2025-12-02T17:59:57Z)
• Free4D: Tuning-free 4D Scene Generation with Spatial-Temporal Consistency [49.875459658889355]
  Free4Dは、単一の画像から4Dシーンを生成するためのチューニング不要のフレームワークである。 我々の重要な洞察は、一貫した4次元シーン表現のために、事前訓練された基礎モデルを蒸留することである。 結果の4D表現はリアルタイムで制御可能なレンダリングを可能にする。
  論文  参考訳（メタデータ） (2025-03-26T17:59:44Z)
• H3D-DGS: Exploring Heterogeneous 3D Motion Representation for Deformable 3D Gaussian Splatting [39.2960379257236]
  ダイナミックシーンの再構築は、3Dビジョンにおいて永続的な課題となる。 変形可能な3Dガウススプラッティングは,リアルタイムレンダリングと高視認性を実現するため,この作業に有効な方法として登場した。 このアプローチは、動的シーンを標準空間における静的な表現と時間変化のシーンモーションに分解する。 Neu3DVおよびCMU-Panopticデータセットを用いた実験により,本手法は最先端の変形可能な3次元ガウススプラッティング技術よりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2024-08-23T12:51:49Z)
• Motion2VecSets: 4D Latent Vector Set Diffusion for Non-rigid Shape Reconstruction and Tracking [52.393359791978035]
  Motion2VecSetsは点雲列からの動的表面再構成のための4次元拡散モデルである。 グローバルな潜在符号の代わりに、潜在集合で4Dダイナミクスをパラメータ化する。 時間的コヒーレントな物体追跡のために、変形潜在集合を同期的に認知し、複数のフレーム間で情報を交換する。
  論文  参考訳（メタデータ） (2024-01-12T15:05:08Z)
• 4DComplete: Non-Rigid Motion Estimation Beyond the Observable Surface [7.637832293935966]
  観測されていないジオメトリの非剛体運動を推定する新しいデータ駆動アプローチである4DCompleteを紹介します。 ネットワークトレーニングのために,DeformingThings4Dという大規模合成データセットを構築した。
  論文  参考訳（メタデータ） (2021-05-05T07:39:12Z)

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。