論文の概要: Contrastive Image-Metadata Pre-Training for Materials Transmission Electron Microscopy
- arxiv url: http://arxiv.org/abs/2604.24909v1
- Date: Mon, 27 Apr 2026 18:42:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-29 16:49:17.556181
- Title: Contrastive Image-Metadata Pre-Training for Materials Transmission Electron Microscopy
- Title（参考訳）: 材料透過電子顕微鏡のためのコントラスト画像メタッタ前処理
- Authors: Georgia Channing, Debora Keller, Marta D. Rossell, Philip Torr, Rolf Erni, Stig Helveg, Henrik Eliasson,
- Abstract要約: 本研究では,高角角角角暗視野走査TEM(HAADF-STEM)画像のデータセットについて紹介する。
これらの埋め込みは、画像スタイルと取得パラメータをリンクし、生成スタイル転送ネットワークのトレーニングを可能にする。
本稿では,ネットワークの性能を評価し,物理的認知のための手法の有用性について検討する。
- 参考スコア（独自算出の注目度）: 18.02287569585975
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The vast majority of transmission electron microscopy (TEM) data never gets published and ends up on a backup drive until deleted to free up space. These left-over datasets are rich in detail and variation, often paired with automatically saved metadata of instrument state and acquisition parameters. In this work, we introduce a dataset of 7,330 high-angle annular dark-field scanning-TEM (HAADF-STEM) images from a single instrument to learn a joint embedding space between image metadata and HAADF image. These embeddings link image style with acquisition parameters, which allows us to train a generative style transfer network that can convert experimental images into the style they would have had if they were recorded with different instrument parameters. We evaluate the performance of the network and explore the usefulness of the technique for physical denoising.
- Abstract（参考訳）: 透過電子顕微鏡(TEM)データの大部分は決して公開されず、空間を解放するまでバックアップドライブで処理される。
これらの余分なデータセットは詳細と変動に富み、しばしば機器の状態と取得パラメータのメタデータを自動的に保存する。
本研究では,画像メタデータとHAADF画像との結合埋め込み空間を学習するために,単一機器から高角角角暗視野走査TEM(HAADF-STEM)画像7,330点のデータセットを導入する。
これらの埋め込みは、画像スタイルと取得パラメータをリンクし、実験画像が異なる楽器パラメータで記録された場合のスタイルに変換できる生成スタイル転送ネットワークを訓練することができる。
本稿では,ネットワークの性能を評価し,物理的認知のための手法の有用性について検討する。
関連論文リスト
- Automating Parameter Selection in Deep Image Prior for Fluorescence Microscopy Image Denoising via Similarity-Based Parameter Transfer [1.342048192901064]
教師なし深層画像事前(DIP)は、教師付き深層学習に関連する訓練データ要件と限定的な一般化の欠点に対処する。
キャリブレーションデータセットからテスト画像へのパラメータ転送は,定量的な画像類似度尺度に基づく転送よりも類似し,良好な性能を示すことを示す。
論文 参考訳（メタデータ） (2026-01-17T13:47:41Z) - MARMOT: Masked Autoencoder for Modeling Transient Imaging [30.865812827455326]
我々は、非視線(NLOS)アプリケーションを容易にするために、過渡イメージング(MARMOT)をモデル化するためのマスク付きオートエンコーダを提案する。
私たちのMARMOTは、大規模で多様なNLOSトランジェントデータセットを前提とした自己教師型モデルです。
論文 参考訳（メタデータ） (2025-06-10T05:49:22Z) - OminiControl: Minimal and Universal Control for Diffusion Transformer [68.3243031301164]
我々は,Diffusion Transformer(DiT)アーキテクチャに画像条件をどのように統合するかを再考する,新しいアプローチであるOminiControlを提案する。
OminiControlは3つの重要なイノベーションを通じて、これらの制限に対処する。
論文 参考訳（メタデータ） (2024-11-22T17:55:15Z) - Automated Segmentation and Analysis of Microscopy Images of Laser Powder Bed Fusion Melt Tracks [0.0]
断面画像から溶融トラック次元を自動的に識別し,計測する画像分割ニューラルネットワークを提案する。
我々は、U-Netアーキテクチャを用いて、異なる研究室、機械、材料から得られた62個の事前ラベル付き画像のデータセットと、画像拡張を併用したトレーニングを行う。
論文 参考訳（メタデータ） (2024-09-26T22:44:00Z) - ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
画像操作の検出とローカライズを行うObjectFormerを提案する。
画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。
各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
論文 参考訳（メタデータ） (2022-03-28T12:27:34Z) - Deep Learning for Multi-View Ultrasonic Image Fusion [2.1410799064827226]
Delay-And-Sum (DAS)アルゴリズムは、反射信号がトランスデューサに戻るメインパスを用いて画像を生成する。
従来の画像融合技術は、通常、事前定義された画像変換、プーリング操作、しきい値のアドホックな組み合わせを使用する。
我々は、異なる共振路に対するDAS画像形成をネットワーク層として明示的に取り入れつつ、利用可能なすべてのデータをセグメントマップに直接マッピングするディープニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-09-08T13:04:07Z) - Weakly Supervised Context Encoder using DICOM metadata in Ultrasound
Imaging [7.370841471918351]
超音波画像からのDICOMメタデータを利用して、超音波画像の表現を学習する。
提案手法は,ダウンストリームタスク間の非メタッタ方式よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-03-20T02:17:03Z)
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。