論文の概要: Digital measurement of droplet flame diameter in microgravity combustion images using Segment Anything Model 2 with automatic prompt selection

• arxiv url: http://arxiv.org/abs/2607.16587v1
• Date: Sat, 18 Jul 2026 02:06:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.192594
• Title: Digital measurement of droplet flame diameter in microgravity combustion images using Segment Anything Model 2 with automatic prompt selection
• Title（参考訳）: Segment Anything Model 2 を用いた微小重力燃焼画像における液滴火炎径のディジタル計測
• Abstract要約: 本研究は,燃焼画像から自動火炎径計測を行うためのAI対応ディジタル計測ワークフローを提案する。 初期径の異なるn-ヘプタン,n-デカン,n-オクタン液滴の19,537個の炎像で検証した。 提案したワークフローの標準不確実性は8.54%であり,手動測定よりも約229倍の効率向上を実現している。
• 参考スコア（独自算出の注目度）: 19.768754773962744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flame diameter is a key measurable parameter in microgravity droplet combustion, but its extraction from self-illuminated frames remains difficult because soot tails, blurred luminous boundaries, chamber reflections, and droplet drift introduce substantial measurement bias and operator dependence. This work presents an AI-enabled digital measurement workflow for automated flame diameter from combustion images. The workflow integrates automatic prompt-point generation into Segment Anything Model 2, employing Random Sample Consensus (RANSAC)-based circle fitting. The automatic prompt strategy removes subjective manual point selection, while the video memory mechanism maintains temporal consistency for drifting droplets, and the RANSAC fitting rejects soot-tail pixels as geometric outliers. The method is validated by 19,537 flame images of n-heptane, n-decane, and n-octane droplets with varying initial diameters. Compared with manual-reference measurements, the proposed workflow achieves a mean relative agreement of 96.9%, a mean absolute percentage error of 3.1%, and substantially outperforms conventional Hough circle detection, which performed worse under the same evaluation conditions. The results also show that the measurement accuracy improves with increasing droplet size. The proposed workflow has a combined standard uncertainty of 8.54% and achieves approximately a 229-fold improvement in efficiency over manual measurement. These results demonstrate that the proposed SAM2-based workflow provides a reproducible, fully automated, and metrologically characterized digital measurement system for extracting flame diameter from challenging combustion images. The approach supports high-throughput combustion diagnostics and illustrates that AI-based segmentation can be integrated into quantitative measurement workflows for digitalized image-based metrology.
• Abstract（参考訳）: 火炎径は微小重力下液滴燃焼における重要なパラメータであるが, すす尾, ぼやけた光境界, チャンバー反射, 液滴ドリフトなどの自己照射フレームからの抽出は, かなりの測定バイアスと演算子依存性をもたらすため, 依然として困難である。 本研究は,燃焼画像から自動火炎径計測を行うためのAI対応ディジタル計測ワークフローを提案する。 このワークフローは、Random Sample Consensus(RANSAC)ベースのサークルフィッティングを利用して、自動プロンプトポイント生成をSegment Anything Model 2に統合する。 自動プロンプト戦略は主観的手動点選択を除去し、ビデオメモリ機構はドリフトする液滴の時間的一貫性を維持し、RANSACフィッティングはルートテール画素を幾何学的外れ値として拒否する。 初期径の異なるn-ヘプタン,n-デカン,n-オクタン液滴の19,537個の炎像で検証した。 手動参照測定と比較すると,提案手法の平均相対一致率は96.9%であり,平均絶対パーセンテージ誤差は3.1%であり,従来のハフ円検出よりもかなり優れており,同じ評価条件下では悪化する。 また, 液滴径の増加に伴い測定精度が向上することを示した。 提案したワークフローの標準不確実性は8.54%であり,手動測定よりも約229倍の効率向上を実現している。 これらの結果から, 提案したSAM2ベースのワークフローは, 難燃画像から火炎径を抽出する再現性, 完全自動化, 気象学的特徴を有するデジタル計測システムを提供することが示された。 このアプローチは、高スループット燃焼診断をサポートし、AIベースのセグメンテーションが、デジタル化された画像ベースのメトロジーのための定量的な測定ワークフローに統合可能であることを示す。

関連論文リスト

• PatchFlow: Leveraging a Flow-Based Model with Patch Features [3.3188882066534355]
  ダイカストは、精密で滑らかな表面を持つ複雑な形状を製作できるため、様々な産業において重要な役割を担っている。 欠陥検出の自動化と改善のためにコンピュータビジョン技術が研究されている。
  論文  参考訳（メタデータ） (2026-02-05T02:57:28Z)
• Automated river gauge plate reading using a hybrid object detection and generative AI framework in the Limpopo River Basin [0.0]
  本研究では, 視覚に基づく水線検出, YOLOv8 のポーズスケール抽出, 自動河川ゲージプレート読取のための大規模マルチモーダル言語モデルを組み合わせたハイブリッドフレームワークを提案する。 実験の結果、水線検出は94.24%、F1スコアは83.64%に達し、スケールギャップ検出は正確な幾何的校正を行い、その後に読み取ることができた。 その結果, 画像品質に対するLCMの感度が向上し, 劣化した画像は高い誤差を生じ, 幾何メタデータとマルチモーダル人工知能を組み合わせることの重要性が強調された。
  論文  参考訳（メタデータ） (2025-12-29T13:26:59Z)
• Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance [52.705112811734566]
  断片的なガイダンススキームを用いて,逆問題を解決するための新しい拡散型フレームワークが導入された。 提案手法は問題に依存しず,様々な逆問題に容易に適応できる。 このフレームワークは, (4時間), (8時間) の超分解能タスクに対して, (23%), (24%) および (24%) の無作為マスクを塗布する場合の (25%) の推論時間を短縮する。
  論文  参考訳（メタデータ） (2025-07-22T19:35:14Z)
• Few-Step Diffusion via Score identity Distillation [67.07985339442703]
  拡散蒸留は, テキスト・ツー・イメージ(T2I)拡散モデルを促進するための有望な戦略として浮上している。 既存の方法は、高分解能T2I拡散モデルを蒸留する際に、実像や教師合成画像に頼っている。 教師のCFGを無効にし、偽スコアネットワークでテキストコンディショニングを除去するZero-CFGと、偽スコアネットワークで否定的なCFGを適用するAnti-CFGの2つの新しいガイダンス戦略を提案する。
  論文  参考訳（メタデータ） (2025-05-19T03:45:16Z)
• Deep image-based Adaptive BRDF Measure [4.114230450673087]
  本稿では,高品質BRDF撮影に必要な試料数を最小化するための新しい手法を提案する。 軽量ニューラルネットワークはまず、解析的BRDFモデルのパラメータとサンプル位置の分布を推定する。 2番目のステップでは、画像ベースの損失を使用して、必要な精度を満たすために必要なサンプルの数を見つけます。
  論文  参考訳（メタデータ） (2024-10-03T19:08:48Z)
• EM Distillation for One-step Diffusion Models [65.57766773137068]
  最小品質の損失を最小限に抑えた1ステップ生成モデルに拡散モデルを蒸留する最大可能性に基づく手法を提案する。 本研究では, 蒸留プロセスの安定化を図るため, 再パラメータ化サンプリング手法とノイズキャンセリング手法を開発した。
  論文  参考訳（メタデータ） (2024-05-27T05:55:22Z)
• Bring Metric Functions into Diffusion Models [145.71911023514252]
  DDPM(Denoising Diffusion Probabilistic Model)を改善するカスケード拡散モデル(Cas-DM)を導入する。 提案した拡散モデルバックボーンはLPIPS損失の有効利用を可能にし,最先端画像品質(FID, sFID, IS)を実現する。 実験結果から,提案した拡散モデルバックボーンはLPIPS損失の有効利用を可能にし,最新画像品質(FID, sFID, IS)につながることが示された。
  論文  参考訳（メタデータ） (2024-01-04T18:55:01Z)
• Read Pointer Meters in complex environments based on a Human-like Alignment and Recognition Algorithm [16.823681016882315]
  これらの問題を克服するための人間ライクなアライメントと認識アルゴリズムを提案する。 STM(Spatial Transformed Module)は,画像のフロントビューを自己自律的に取得するために提案される。 VAM(Value Acquisition Module)は、エンドツーエンドのトレーニングフレームワークによって正確なメーター値を推測するために提案される。
  論文  参考訳（メタデータ） (2023-02-28T05:37:04Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Estimation of excess air coefficient on coal combustion processes via gauss model and artificial neural network [0.0]
  CCDカメラで得られた炎像と余剰空気係数(ラムダ)の関係をモデル化した。 特徴ラムダのマッチングには多層人工ニューラルネットワーク(ANN)が用いられている。
  論文  参考訳（メタデータ） (2021-07-23T18:47:56Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)

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。