論文の概要: Video-Based Prediction of In-Flight Particle Characteristics in Atmospheric Plasma Spraying

• arxiv url: http://arxiv.org/abs/2606.07416v1
• Date: Fri, 05 Jun 2026 16:09:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.840005
• Title: Video-Based Prediction of In-Flight Particle Characteristics in Atmospheric Plasma Spraying
• Title（参考訳）: プラズマ溶射における飛行中の粒子特性の映像による予測
• Authors: Abhijeet Praveen, Sareh Soleimani, Cormac Cureton, Aman Sidhu, Kintak Raymond Yu, Cristian Cojocaru, Narges Armanfard,
• Abstract要約: 大気プラズマ溶射 (APS) は、飛行中の粒子温度と速度がコーティング品質に強く影響を与える、広く用いられているコーティングプロセスである。 APSにおける飛行中の粒子特性を推定するための高速ビデオ観測の予測可能性について検討した。
• 参考スコア（独自算出の注目度）: 5.560420101717457
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Atmospheric plasma spraying (APS) is a widely used coating process in which in-flight particle temperature and velocity strongly influence coating quality. However, these particle characteristics are difficult to monitor continuously during operation, motivating the development of non-invasive data-driven diagnostic methods. In this work, we investigate the predictive potential of high-speed video observations of the plasma plume for estimating in-flight particle characteristics in APS. We introduce three different video-derived feature representations and evaluate them using Tabular Prior-Data Fitted Networks (TabPFN), convolutional neural networks (CNN), and classical regression baselines including Random Forest, Gradient Boosting, Support Vector Regression, and XGBoost. Experiments are conducted using grouped leave-one-out cross-validation on 126 labeled pre- and post-spray video recordings from 63 APS spray runs. Across the engineered feature experiments, TabPFN achieves the most consistent performance for temperature prediction, reaching R2 = 0.86 using the combined feature representation. CNN models particularly perform stronger for velocity prediction, achieving R2 of 0.81. In addition, we evaluate models operating directly on raw video frames using pretrained CNNs and find that the highest performance is achieved by a pretrained CNN with a regression head with R2 of 0.90 and 0.82 for temperature and velocity, respectively. The results demonstrate that video-derived plume information provides a promising and scalable foundation for non-invasive APS diagnostics and real-time process monitoring.
• Abstract（参考訳）: 大気プラズマ溶射 (APS) は、飛行中の粒子温度と速度がコーティング品質に強く影響を与える、広く用いられているコーティングプロセスである。 しかし、これらの粒子特性は、操作中に継続的に監視することは困難であり、非侵襲的なデータ駆動診断法の開発を動機付けている。 本研究では,飛行中の粒子特性を推定するためのプラズマ配管の高速ビデオ観測の予測可能性について検討した。 ビデオから得られる特徴表現を3種類導入し,TabPFN(Tabular Prior-Data Fitted Networks),畳み込みニューラルネットワーク(CNN),およびRandom Forest,Gradient Boosting,Support Vector Regression,XGBoostなどの古典回帰ベースラインを用いて評価する。 63APSスプレーランのプレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・2・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・2・プレ・プレ・プレ・2・プレ・プレ・プレ・プレ・プレ・プレ・プレ・2・プレ・プレ・プレ・プレ・プレ・2・プレ・プレ・プレ・プレ・1・プレ・プレ・プレ・プレ・1・プレ・プレ・プレ・プレ・プレ・プレ・2)の126つのプレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・プレ・2。 工学的な特徴実験全体では、TabPFNは温度予測において最も一貫した性能を達成し、組み合わせた特徴表現を用いてR2 = 0.86に達する。 CNNモデルは特に速度予測に優れ、R2は0.81に達する。 さらに,事前学習したCNNを用いて生のビデオフレーム上で直接動作するモデルを評価し,温度と速度のそれぞれ0.90と0.82の回帰ヘッドを持つ事前学習したCNNにより,最高の性能が得られることを示した。 その結果,ビデオ由来のプルーム情報は,非侵襲的なAPS診断とリアルタイムプロセス監視のための,有望かつスケーラブルな基盤を提供することが示された。

関連論文リスト

• Adaptive Spectral Feature Forecasting for Diffusion Sampling Acceleration [58.19554276924402]
  スペクトル拡散特徴予測器(Spectrum)を提案する。 我々はFLUX.1で4.79$times$スピードアップ、Wan2.1-14Bで4.67$times$スピードアップを達成する。
  論文  参考訳（メタデータ） (2026-03-02T08:59:11Z)
• Diffusion Probe: Generated Image Result Prediction Using CNN Probes [33.97515945308048]
  テキスト・ツー・イメージ(T2I)拡散モデルには、早期品質評価のための効率的なメカニズムが欠けている。 Diffusion Probeは、内部横断マップを予測信号として利用するフレームワークである。 拡散プローブはモデルに依存しない、効率的で、広く適用でき、T2I生成効率を改善するための実用的なソリューションを提供する。
  論文  参考訳（メタデータ） (2026-02-27T08:24:47Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Sequence-Adaptive Video Prediction in Continuous Streams using Diffusion Noise Optimization [63.37868191173104]
  本稿では,事前学習した拡散モデルをビデオストリームに継続的に適応させる手法を提案する。 拡散雑音最適化(SAVi-DNO)を用いた逐次適応映像予測手法について 実験により,Ego4DとOpenDV-YouTubeの長いビデオ上でのFVD,SSIM,PSNR測定値に基づく性能向上が実証された。
  論文  参考訳（メタデータ） (2025-11-23T02:58:10Z)
• Feasibility Study of CNNs and MLPs for Radiation Heat Transfer in 2-D Furnaces with Spectrally Participative Gases [0.3495246564946556]
  そこで我々は,2次元壁状領域における放射熱伝達解を近似する代理モデルを構築した。 この研究の独創性は、CNNアーキテクチャに適合するために問題(ガスと壁の特性)の入力を適応させることにある。 CNNアーキテクチャの性能は、より古典的なアーキテクチャと比較される。
  論文  参考訳（メタデータ） (2025-06-02T14:06:44Z)
• It Takes Two: Masked Appearance-Motion Modeling for Self-supervised Video Transformer Pre-training [76.69480467101143]
  自己監督型ビデオトランスフォーマーの事前トレーニングは、最近マスク・アンド・予測パイプラインの恩恵を受けている。 本稿では,映像中の動きの手がかりを余分な予測対象として明示的に調査し,マスケッド・出現運動モデリングフレームワークを提案する。 一般的なビデオ表現を学習し、Kinects-400で82.3%、Something V2で71.3%、UCF101で91.5%、HMDB51で62.5%を達成する。
  論文  参考訳（メタデータ） (2022-10-11T08:05:18Z)
• Prediction of progressive lens performance from neural network simulations [62.997667081978825]
  本研究の目的は,畳み込みニューラルネットワーク(CNN)に基づく視覚的視力(VA)予測の枠組みを提案することである。 提案する総合シミュレーションツールは主観的視覚性能の正確なモデルとして機能することが示されている。
  論文  参考訳（メタデータ） (2021-03-19T14:51:02Z)

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。