論文の概要: Graph-augmented Segmentation of Complex Shapes in Laser Powder bed Fusion for Enhanced In Situ Inspection

• arxiv url: http://arxiv.org/abs/2604.24234v1
• Date: Mon, 27 Apr 2026 09:43:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.881009
• Title: Graph-augmented Segmentation of Complex Shapes in Laser Powder bed Fusion for Enhanced In Situ Inspection
• Title（参考訳）: レーザー粉体層核融合における複合形状のグラフ増分法によるその場観察
• Authors: Stefano Raimondo, Matteo Bugatti, Marco Grasso,
• Abstract要約: 本研究は,産業環境におけるin situ検査と幾何検定のためのグラフ拡張セグメンテーション手法を提案する。 基礎となる原理は、ピクセル単位でではなく、グローバルレベルで幾何学的情報を保存すること、グラフニューラルネットワークのボトルネックをU-Netアーキテクチャに埋め込んだ空間領域間の依存関係と情報をモデリングすることである。 本手法は, L-PBF による格子構造のその場再構成のためのベンチマーク手法を用いて評価し, 工業環境におけるロバストインサイトインスペクションと幾何的検証のためのスケーラブルなソリューションとしての可能性を示した。
• 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: The technological maturity of in situ inspection and monitoring methods in additive manufacturing is steadily increasing, enabling more efficient and practical qualification procedures. In this context, image segmentation of powder bed images in Laser Powder Bed Fusion (L-PBF) has been investigated by various authors, leveraging both edge detection and machine learning approaches to identify deviations from nominal geometry. Despite these developments, several challenges remain, including the sensitivity of segmentation performance to industrial illumination conditions and layer-to-layer variability in pixel intensity patterns. The study addresses these limitations by proposing a graph-augmented segmentation approach. The underlying principle consists of preserving the geometrical information at a global level rather than at pixel-wise level, modeling dependencies and relational information among spatial regions with a Graph Neural Network bottleneck embedded into a U-Net architecture. This allows enhancing the consistency and accuracy of the geometry reconstruction in the presence of spatial and layer-wise photometric variability systematically faced in real data. The method is evaluated against benchmark techniques for the in situ reconstruction of lattice structures produced by L-PBF, demonstrating its potential as a scalable solution for robust in situ inspection and geometric verification in industrial environments.
• Abstract（参考訳）: 添加物製造におけるin situ検査・監視法の技術的成熟度は着実に増加しており、より効率的で実践的な手順が実現されている。 この文脈では、レーザー粉体層融合(L-PBF)における粉体層画像のイメージセグメンテーションが様々な研究者によって研究され、エッジ検出と機械学習の両方のアプローチを用いて、名目幾何学からの偏差を識別している。 これらの発展にもかかわらず、工業照明条件に対するセグメンテーション性能の感度や画素強度パターンの層間変動など、いくつかの課題が残っている。 この研究は、グラフ拡張セグメンテーションアプローチを提案することによって、これらの制限に対処する。 基礎となる原理は、ピクセル単位でではなく、グローバルレベルで幾何学的情報を保存し、グラフニューラルネットワークのボトルネックをU-Netアーキテクチャに埋め込んだ空間領域間の依存関係と関係情報をモデル化することである。 これにより、実際のデータで体系的に直面する空間的および層的な測光的変動の存在下での幾何再構成の一貫性と精度を高めることができる。 本手法は, L-PBF による格子構造のその場再構成のためのベンチマーク手法を用いて評価し, 工業環境におけるロバストインサイトインスペクションと幾何的検証のためのスケーラブルなソリューションとしての可能性を示した。

関連論文リスト

• Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
  制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。 In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。 IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
  論文  参考訳（メタデータ） (2026-03-11T06:14:11Z)
• GCRPNet: Graph-Enhanced Contextual and Regional Perception Network for Salient Object Detection in Optical Remote Sensing Images [68.33481681452675]
  本稿では,GCRPNet(Graph-enhanced contextual and Regional Recognition Network)を提案する。 これはMambaアーキテクチャの上に構築され、長距離依存関係を同時にキャプチャし、地域的特徴表現を強化する。 マルチスケールの畳み込みによって処理される特徴マップに対して適応的なパッチスキャンを行い、リッチなローカル領域情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-08-14T11:31:43Z)
• Towards Scalable Foundation Model for Multi-modal and Hyperspectral Geospatial Data [14.104497777255137]
  本稿では,3つのイノベーションを取り入れた高効率空間スペクトル変換器について紹介する。 位置マスキングとチャネルマスキングを統合したHyperspectral Masked Autoencoderフレームワークを用いたLESS ViTの事前訓練を行った。 実験により, 提案手法は, 最先端のマルチモーダル地空間基盤モデルと競合する性能を示す。
  論文  参考訳（メタデータ） (2025-03-17T05:42:19Z)
• Deep Learning based Optical Image Super-Resolution via Generative Diffusion Models for Layerwise in-situ LPBF Monitoring [4.667646675144656]
  我々は,ビルドプレートの低解像度画像とビルドプレートの詳細な高解像度光学画像とを関連付けるために,生成的深層学習モデルを実装した。 低解像度Webカメラ画像からビルドプレートの現実的な高解像度画像を生成するために,条件付き潜在確率拡散モデルを訓練した。 また, 印刷部の3次元形状を再現し, 復元した試料の表面粗さを解析する枠組みを設計した。
  論文  参考訳（メタデータ） (2024-09-20T02:59:25Z)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
  距離ベース次元削減手法に周辺情報を組み込む手法を提案する。 画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
  論文  参考訳（メタデータ） (2022-02-18T13:17:43Z)
• Graph Signal Processing for Geometric Data and Beyond: Theory and Applications [55.81966207837108]
  グラフ信号処理(GSP)は、不規則な領域に存在する処理信号を可能にする。 GSP法は、幾何データとグラフの接続をブリッジすることで、統一的に幾何データに対する手法である。 最近開発されたグラフニューラルネットワーク(GNN)は、GSPの観点からこれらのネットワークの動作を解釈している。
  論文  参考訳（メタデータ） (2020-08-05T03:20:16Z)

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。