論文の概要: Unsupervised Deep Image Prior for Sparse-View and Limited-Angle Electron Tomography

• arxiv url: http://arxiv.org/abs/2605.27139v1
• Date: Tue, 26 May 2026 15:07:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:42.300645
• Title: Unsupervised Deep Image Prior for Sparse-View and Limited-Angle Electron Tomography
• Title（参考訳）: Sparse-View と Limited-Angle Electron Tomography のための教師なし深度画像
• Authors: Serge Brosset, Daniel del Pozo Bueno, Thomas David, Laure Guetaz, Philippe Ciuciu, Zineb Saghi,
• Abstract要約: 限られた角度とスパースビュー条件下では、従来のアルゴリズムは劣化した再構成を生成する。 非教師型ディープラーニング(DL)アプローチであるDeep Image Prior(DIP)を高分解能トモグラフィー取得のために提案する。 本研究では,スパースビューとリミテッドアングル条件の両方で,信頼性の高い3次元定量化を可能にすることを示す。
• 参考スコア（独自算出の注目度）: 0.9312563458390898
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electron tomography (ET) plays an important role in the three-dimensional (3D) characterization of nanomaterials. However, under limited-angle and sparse-view conditions, conventional algorithms produce degraded reconstructions, which compromise the quality and interpretability of resulting 3D data. In this paper, we present deep image prior (DIP), an unsupervised deep learning (DL) approach, for highly degraded tomography acquisitions and demonstrate, using simulated data, that its performance is comparable to that of supervised approaches requiring training datasets, even for tilt ranges as limited as 60° and tilt increments of 10°. We then apply it to experimental data and show that it enables reliable 3D quantification under both sparse-view and limited-angle conditions, highlighting its potential for a wide range of materials and acquisition modalities.
• Abstract（参考訳）: 電子線トモグラフィー(ET)はナノ材料の三次元的評価において重要な役割を担っている。 しかし、限られた角度とスパースビュー条件下では、従来のアルゴリズムは劣化した再構成を生成し、3Dデータの品質と解釈性を損なう。 本稿では,非教師付きディープラーニング(DL)手法であるDeep Image prior(DIP)について,高度に劣化したトモグラフィー取得のための手法を提案するとともに,その性能が60°以上の傾斜範囲と10°の傾きインクリメントであっても,トレーニングデータセットを必要とする教師付きアプローチに匹敵することを示した。 次に, 実験データに適用し, スパースビューとリミテッドアングル条件の両方で信頼性の高い3次元定量化が可能であることを示し, 幅広い材料と獲得モダリティの可能性を浮き彫りにした。

関連論文リスト

• 3D Gaussian Splatting for Annular Dark Field Scanning Transmission Electron Microscopy Tomography Reconstruction [13.051560405222775]
  ADF-STEMトモグラフィーは多視点傾斜画像を統合することで3次元のナノスケール材料を再構成する。 傾斜角の散乱を安定化し、散乱ビュー正規化による一貫したデンザを確保するために$$係数を導入する。 45-viewと15-viewの傾きシリーズの実験では、デンザ・ガウシアンは元の傾きとより密接な2次元のプロジェクションと高忠実さの再現を行う。
  論文  参考訳（メタデータ） (2026-04-06T14:01:43Z)
• Limited-Angle Tomography Reconstruction via Projector Guided 3D Diffusion [26.292892614609283]
  有限角電子トモグラフィーは、透過電子顕微鏡(TEM)の2次元投影から傾斜角の制限範囲内で3次元形状を再構成することを目的としている。 ディープラーニングアプローチは、これらのアーティファクトを緩和する有望な結果を示している。 本稿では,新しい3次元拡散に基づく反復再構成フレームワークTEMDiffを提案する。
  論文  参考訳（メタデータ） (2025-10-07T23:27:28Z)
• Intern-GS: Vision Model Guided Sparse-View 3D Gaussian Splatting [95.61137026932062]
  Intern-GSはスパースビューガウススプラッティングのプロセスを強化する新しいアプローチである。 Intern-GSは多様なデータセットにまたがって最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:17:49Z)
• IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
  画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。 従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。 IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
  論文  参考訳（メタデータ） (2024-12-16T18:52:56Z)
• Near-Isotropic Sub-Ångstrom 3D Resolution Phase Contrast Imaging Achieved by End-to-End Ptychographic Electron Tomography [0.0]
  透過電子顕微鏡を用いた3次元原子分解能イメージングは、困難な実験を必要とするユニークな能力である。 本研究では,4D-STEMデータセットから直接試料の静電ポテンシャル体積を再構築するエンド・ツー・エンド手法を提案する。
  論文  参考訳（メタデータ） (2024-07-28T05:51:15Z)
• Leveraging Neural Radiance Fields for Uncertainty-Aware Visual Localization [56.95046107046027]
  我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。 レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
  論文  参考訳（メタデータ） (2023-10-10T20:11:13Z)
• Polarimetric Information for Multi-Modal 6D Pose Estimation of Photometrically Challenging Objects with Limited Data [51.95347650131366]
  6Dポーズ推定パイプラインは、RGBのみまたはRGB-Dデータに依存する。 このような制限を克服するために,補完分極情報を利用した教師付き学習ベース手法を提案する。
  論文  参考訳（メタデータ） (2023-08-21T10:56:00Z)
• Reference-Free Isotropic 3D EM Reconstruction using Diffusion Models [8.590026259176806]
  本稿では、参照データや劣化過程に関する事前知識の制限を克服する拡散モデルに基づくフレームワークを提案する。 提案手法では, 2次元拡散モデルを用いて連続的に3次元ボリュームを再構成し, 高精度なサンプルデータに適している。
  論文  参考訳（メタデータ） (2023-08-03T07:57:02Z)
• On Triangulation as a Form of Self-Supervision for 3D Human Pose Estimation [57.766049538913926]
  ラベル付きデータが豊富である場合, 単一画像からの3次元ポーズ推定に対する改良されたアプローチは, 極めて効果的である。 最近の注目の多くは、セミと(あるいは)弱い教師付き学習に移行している。 本稿では,多視点の幾何学的制約を,識別可能な三角測量を用いて課し,ラベルがない場合の自己監督の形式として用いることを提案する。
  論文  参考訳（メタデータ） (2022-03-29T19:11:54Z)

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。