論文の概要: Self-Supervised Noise2Noise-Enhanced Denoising for Continuous-Scan Air-Plasma THz Spectroscopy
- arxiv url: http://arxiv.org/abs/2608.16454v1
- Date: Mon, 17 Aug 2026 11:55:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.66923
- Title: Self-Supervised Noise2Noise-Enhanced Denoising for Continuous-Scan Air-Plasma THz Spectroscopy
- Title（参考訳）: 連続走査型空気プラズマTHz分光におけるノイズ2高ノイズ化
- Abstract要約: テラヘルツ時間領域分光法はギャップフリーブロードバンドをカバーしている。
個々の連続走査トレースはパルス対パルスのゆらぎと電子ノイズに強く影響を受ける。
本稿では,1つの完全連続遅延スイープから高品質なTHz波形を復元する学習的復調手法を提案する。
- 参考スコア（独自算出の注目度）: 4.027223092131422
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Terahertz time-domain spectroscopy (THz-TDS) based on air-plasma generation and balanced air-biased coherent detection offers gap-free broadband coverage, but individual continuous-scan traces are strongly affected by pulse-to-pulse fluctuations and electronic noise. Reaching a useful signal-to-noise ratio therefore requires averaging multiple traces, which directly increases measurement time. We propose a learned denoising approach that recovers high-quality THz waveforms from as few as one complete continuous delay sweep, referred to here as a single-scan trace. A compact one-dimensional residual U-Net is trained using two complementary strategies: a reference-supervised baseline that maps individual noisy traces to long-average reference waveforms, and a Noise2Noise approach that learns from pairs of independently acquired noisy traces without requiring a clean training target. Averaging the predictions of both models reduces systematic bias and yields a trace-reduction factor of approximately $5.4\times$ at $K=1$, meaning that one denoised trace achieves the reconstruction accuracy of averaging approximately five raw traces. The Noise2Noise model alone achieves $4.9\times$, outperforming both the reference-supervised baseline ($4.6\times$) and classical Wiener filtering ($3.2\times$). These results show that self-supervised learning from repeated noisy measurements can support faster continuous-scan THz-TDS without hardware modification.
- Abstract（参考訳）: テラヘルツ時間領域分光法(THz-TDS)は、空気プラズマ発生と平衡空気バイアスコヒーレント検出に基づいて、ギャップのないブロードバンド範囲を提供するが、個々の連続走査トレースはパルス対パルスゆらぎと電子ノイズに強く影響を受ける。
したがって、有用な信号-雑音比を取得するには、測定時間を直接増加させる複数のトレースを平均化する必要がある。
本稿では,1つの完全連続遅延スイープから高品質なTHz波形を復元する学習復調手法を提案する。
コンパクトな1次元残差U-Netは、2つの相補的戦略を用いて訓練される: 個々のノイズを平均的な参照波形にマッピングする基準教師付きベースラインと、クリーンなトレーニング目標を必要とせずに独立に取得されたノイズ2ノイズのトレースから学習するノイズ2ノイズアプローチである。
両方のモデルの予測を平均すると、系統的バイアスが減少し、およそ5.4\times$のトレース還元係数が$K=1$となる。
Noise2Noiseモデルだけで4.9\times$を達成し、基準監督されたベースライン(4.6\times$)と古典的なWienerフィルタ(3.2\times$)の両方を上回っている。
これらの結果から,繰り返し雑音測定による自己教師付き学習は,ハードウェア変更なしに高速な連続走査型THz-TDSをサポートできることが示唆された。
関連論文リスト
- Survey of Novel Deep Learning Architectures for Denoising Gravitational-wave Signals [0.0]
重力波デノジングのための5つのニューラルネットワークアーキテクチャの制御された最初の比較について述べる。
我々は、全天体物理学的に動機づけられた回転二乗ブラックホールパラメータ空間を同時に訓練する。
ネットワーク構造とコリケーションのスペクトル解剖との整合性は、ブルートフォースモデルスケーリングよりも優れる。
論文 参考訳（メタデータ） (2026-09-07T18:00:10Z) - Latent Variable-Mediated Cross-Learning for Few-Shot Acoustic Impedance Imaging [8.001554355893816]
音響インピーダンスイメージングは、地下分析における根本的な問題であるが深刻な問題である。
本稿では、正規化デコンボリューションと半教師ありクロスラーニングを統合した新しいフレームワークRD-SCLを提案する。
RD-SCLは、最先端の教師付きおよび半教師付き手法よりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-07-23T07:13:01Z) - Drift-Aware RL-based Wavelet Denoising for Network-Traffic Anomaly Detection [1.5469452301122173]
ネットワーク監視のための交通利用測定は、付加雑音と統計的ドリフトによって損なわれる。
2つのタスクに最適化された前処理層として適応ウェーブレットをデノナイズするドリフト対応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-22T10:52:05Z) - Precise: SDE-Consistent Stochastic Sampling for RL Post-Training of Flow-Matching Models [56.67321805551389]
Reinforcement Learning (RL) は, 拡散・流れマッチングジェネレータにおいて, 迅速なアライメントと知覚品質の向上に有効な方法となっている。
探索行動の制御と力学のデノベーションを行うサンプルは、この方針の一部である。
有効探査と安定性のバランスをとる新しいサンプリング器を提案する。
論文 参考訳（メタデータ） (2026-05-22T11:37:22Z) - A Practical Noise2Noise Denoising Pipeline for High-Throughput Raman Spectroscopy [0.0]
このアプローチは、Noss2Noise戦略を用いて訓練された1次元畳み込みオートエンコーダに依存する。
短時間露光取得を繰り返し行う訓練サブセットから、モデルを学習し、ラマンスペクトルを効率よく抑圧しながら再構成する。
その結果, 信頼度の高い解釈には不十分な1スペクトルあたり5ミリ秒の積分時間で, 基準データに対する高忠実度な偏光スペクトルが得られることがわかった。
論文 参考訳（メタデータ） (2026-05-18T15:03:43Z) - Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。
合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善
DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
論文 参考訳（メタデータ） (2026-02-03T23:38:05Z) - Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。
本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。
提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
論文 参考訳（メタデータ） (2026-01-30T03:14:01Z) - How Does Label Noise Gradient Descent Improve Generalization in the Low SNR Regime? [78.0226274470175]
我々は、勾配更新にラベルノイズを導入することで、ニューラルネットワーク(NN)のテスト性能が向上するかどうか検討する。
学習中のラベルノイズの付加は,学習過程を支配することを防止し,雑音の記憶を抑制することを実証する。
対照的に、標準GDで訓練されたNNは、同じ低SNR環境でのノイズに過度に適応する傾向にある。
論文 参考訳（メタデータ） (2025-10-20T13:28:13Z) - Time Is a Feature: Exploiting Temporal Dynamics in Diffusion Language Models [57.474294329887236]
拡散大言語モデル (dLLMs) は反復的 denoising を通じてテキストを生成する。
現在のデコード戦略は、最終的な出力に有利なリッチな中間予測を捨てている。
時間的整合性を利用する2つの相補的手法を導入する。
論文 参考訳（メタデータ） (2025-08-12T17:59:57Z) - DiffPR: Diffusion-Based Phase Reconstruction via Frequency-Decoupled Learning [4.560284382063488]
オフアクシス定量的位相イメージング(QPI)に深層学習を適用する場合、過平滑化は持続的な問題である。
この問題をスペクトルバイアスに追従し、ハイレベルなスキップ接続によってバイアスが強化されていることを示す。
2段階の周波数分離フレームワークであるDiffPRを紹介する。
論文 参考訳（メタデータ） (2025-06-12T17:08:45Z) - Noise Conditional Variational Score Distillation [60.38982038894823]
騒音条件変化スコア蒸留(NCVSD)は, 予混合拡散モデルから生成消音剤を蒸留する新しい方法である。
この知見を変分スコア蒸留フレームワークに組み込むことで、生成的デノイザのスケーラブルな学習を可能にする。
論文 参考訳（メタデータ） (2025-06-11T06:01:39Z) - Robust ultra-shallow shadows [0.251657752676152]
低深度計測回路の幅広いクラスに対して,ロバストなシャドウ推定プロトコルを提案する。
弱相関局所雑音に対して、測定チャネルは効率的な行列積表現を有する。
テンソルネットワークツールを用いて実験データから直接推定する方法を示す。
論文 参考訳（メタデータ） (2024-05-09T18:00:09Z)
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。