論文の概要: A Fully Convolutional Approach to Denoising Structural Dynamics Data from X-Ray Photon Correlation Spectroscopy
- arxiv url: http://arxiv.org/abs/2605.29975v1
- Date: Thu, 28 May 2026 14:14:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:56.380458
- Title: A Fully Convolutional Approach to Denoising Structural Dynamics Data from X-Ray Photon Correlation Spectroscopy
- Title（参考訳）: X線光子相関分光法による構造ダイナミクスデータの完全畳み込み解析
- Authors: Nisar Nellikunnummel, Andi Barbour, Lutz Wiegart, Tatiana Konstantinova, Anthony DeGennaro,
- Abstract要約: X線光子相関分光法(XPCS)のための完全畳み込みデノナイジングオートエンコーダ(FC-DAE)を提案する。
FC-DAEは任意の次元の入力を受け取り、様々な状態にまたがる相関構造を保存する。
構造的忠実性を維持しつつ、低信号対雑音条件下での複雑な力学特性を回復する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a fully convolutional denoising autoencoder (FC-DAE) for denoising two-time intensity-intensity correlation functions ($C_2$) in X-ray photon correlation spectroscopy (XPCS). Unlike conventional denoising autoencoders that are typically restricted to fixed input sizes, the FC-DAE accepts inputs of arbitrary dimensions while preserving correlation structures across diverse dynamical regimes. The model is trained using experimentally derived $C_2$ data collected at NSLS-II beamlines, with data augmentation applied to expand the diversity of the dataset and reduce overfitting. The FC-DAE successfully recovers intricate dynamical features in low signal-to-noise conditions while maintaining structural fidelity. To assess reconstruction reliability, we employ quantitative metrics to evaluate structural fidelity and identify potential model-induced bias. Our results demonstrate that the FC-DAE provides robust denoising performance with high computational efficiency, enabling recovery of XPCS dynamics under photon-limited and low-dose measurement conditions.
- Abstract（参考訳）: 我々は,X線光子相関分光法(XPCS)において,2時間強度インテンシティ相関関数(C_2$)をデノナイズするための完全畳み込みデノナイジングオートエンコーダ(FC-DAE)を提案する。
固定入力サイズに制限される従来のデノナイジングオートエンコーダとは異なり、FC-DAEは任意の次元の入力を受け入れつつ、様々な動的レジーム間の相関構造を保存する。
このモデルは、NSLS-IIビームラインで収集された実験的に導出された$C_2$データを用いてトレーニングされ、データセットの多様性を拡張し、オーバーフィッティングを減らすためにデータ拡張が適用される。
FC-DAEは、構造的忠実性を維持しながら、低信号対雑音条件下での複雑な力学特性の回復に成功した。
復元信頼性を評価するために,定量的な指標を用いて構造的忠実度を評価し,潜在的なモデルによるバイアスを同定する。
その結果, FC-DAEは高い計算効率で頑健な復調性能を実現し, 光子制限および低線量測定条件下でのXPCSダイナミクスの回復を可能にした。
関連論文リスト
- Provably Learning Diffusion Models under the Manifold Hypothesis: Collapse and Refine [60.669081685261965]
拡散モデルは、顕著な品質で高次元データを生成する。
彼らのトレーニングがいかに効率的にスコア関数を学習するかは理論的には説明がつかないままである。
我々はこの原理をScore-induced Latent Diffusion (SiLD)として定式化する。
論文 参考訳（メタデータ） (2026-05-16T16:51:10Z) - SCRWKV: Ultra-Compact Structure-Calibrated Vision-RWKV for Topological Crack Segmentation [36.61448234263959]
SCRWKV(Ultra-Compact Structure-Calibrated Vision RWKV)を提案する。
このネットワークは、線形複雑性を維持しながら、新しいStructure-Fieldバックボーンを介して高精度なモデリングを実現する。
SCRWKVは1.22Mのパラメータしか持たないが,SOTA法では著しく優れていた。
論文 参考訳（メタデータ） (2026-05-14T15:01:22Z) - Unveiling the Mechanism of Continuous Representation Full-Waveform Inversion: A Wave Based Neural Tangent Kernel Framework [52.632217600064344]
フルウェーブフォーム・インバージョン(FWI)は、限られた測定値から波動方程式の物理パラメータを推定する。
FWI法は初期モデルの精度に対する悪名高い感度によって制限されている。
連続表現 FWI (CR-FWI) の最近の進歩は、暗黙的ニューラル表現 (INR) のような座標ベースニューラルネットワークによるパラメータモデルを表現することで、初期モデルへの依存を緩和できることを実証している。
論文 参考訳（メタデータ） (2026-03-23T03:22:33Z) - V-Co: A Closer Look at Visual Representation Alignment via Co-Denoising [65.5867130156805]
統合JTフレームワークにおける視覚的コデノゲーションの体系的研究であるV-Coについて述べる。
本研究は,視覚的コデノジングを効果的に行うための4つの重要な要素を明らかにする。
V-Coは、基礎となる画素空間拡散ベースラインと強い前の画素拡散法より優れている。
論文 参考訳（メタデータ） (2026-03-17T17:01:54Z) - Iterative Inference-time Scaling with Adaptive Frequency Steering for Image Super-Resolution [75.3690742776891]
適応周波数ステアリング(IAFS)を用いた反復拡散推論時間スケーリングを提案する。
IAFSは、構造的偏差の反復的補正によって生成した画像を徐々に精細化することで、知覚品質と構造的忠実性のバランスをとるという課題に対処する。
実験の結果、IAFSは知覚と忠実性の対立を効果的に解決し、知覚の細部と構造的精度を一貫して改善し、既存の推論時間スケーリング手法よりも優れていた。
論文 参考訳（メタデータ） (2025-12-29T15:09:20Z) - Latent Harmony: Synergistic Unified UHD Image Restoration via Latent Space Regularization and Controllable Refinement [89.99237142387655]
LH-VAEを導入し、視覚的意味的制約や進行的劣化による意味的堅牢性を高める。
Latent Harmonyは、UHD修復のためのVAEを再定義する2段階のフレームワークである。
実験により、Latent HarmonyはUHDおよび標準解像度タスクにまたがって最先端のパフォーマンスを実現し、効率、知覚品質、再現精度を効果的にバランスさせることが示されている。
論文 参考訳（メタデータ） (2025-10-09T08:54:26Z) - CTLformer: A Hybrid Denoising Model Combining Convolutional Layers and Self-Attention for Enhanced CT Image Reconstruction [0.21847754147782888]
低線量CT(LDCT)画像は、しばしば大きなノイズを伴い、画像の品質とその後の診断精度に悪影響を及ぼす。
本稿では、畳み込み構造とトランスアーキテクチャを組み合わせた革新的なモデルCTLformerを紹介する。
マルチスケールアテンション機構とダイナミックアテンション制御機構の2つの重要な革新が提案されている。
論文 参考訳（メタデータ） (2025-05-18T02:37:50Z) - FM2S: Towards Spatially-Correlated Noise Modeling in Zero-Shot Fluorescence Microscopy Image Denoising [33.383511185170214]
蛍光マイクログラフ・トゥ・セルフ (FM2S) は、3つの重要な革新を通じて効率的な蛍光マイクログラフ・トゥ・セルフ (FM2S) を実現するゼロショットデノイザーである。
FM2Sは平均1.4dBPSNRでCVF-SIDを上回り、AP-BSNの0.1%のパラメータを必要とする。
論文 参考訳（メタデータ） (2024-12-13T10:45:25Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - Noise Reduction in X-ray Photon Correlation Spectroscopy with
Convolutional Neural Networks Encoder-Decoder Models [0.0]
2時間相関関数における信号対雑音比を改善するための計算手法を提案する。
CNN-EDモデルは、畳み込みニューラルネットワークデコーダ(CNN-ED)モデルに基づいている。
実世界の実験データに基づいて訓練されたCNN-EDモデルにより,2時間相関関数から平衡力学パラメータを効果的に抽出できることが実証された。
論文 参考訳（メタデータ） (2021-02-07T18:38:59Z)
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。