論文の概要: Computational Depth Measurement in Thermographic Video: Overcoming Spatial Overfitting via Spatio-Temporal Decoupling

• arxiv url: http://arxiv.org/abs/2608.29223v1
• Date: Sat, 29 Aug 2026 12:26:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.880816
• Title: Computational Depth Measurement in Thermographic Video: Overcoming Spatial Overfitting via Spatio-Temporal Decoupling
• Title（参考訳）: 熱画像における計算深度測定:時空間デカップリングによる空間オーバーフィッティングの克服
• Abstract要約: 光パルスサーモグラフィ(OPTOPT)は体積測定ではなく2次元の熱映像を提供する。 この研究は、空間欠陥の局所化と時間深度測定を分離するアーキテクチャを導入する。 4つの回帰モデルが試料レベルのクロスバリデーションを用いて評価された。
• 参考スコア（独自算出の注目度）: 2.5621346794752724
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate through-thickness measurement of subsurface delamination depth in Carbon Fiber Reinforced Polymer (CFRP) is important for structural assessment because defect location determines affected load-bearing layers. Optical pulsed thermography (OPT) provides a two-dimensional thermal video rather than volumetric measurements, so depth must be inferred from temporal heat-diffusion responses. A challenge is spatial dataset bias: when calibration defects follow regular grids, regression models may memorize their geometry instead of learning physical relationship between thermal decay and depth. This work introduces a spatio-temporal decoupling architecture that separates spatial defect localization from temporal depth measurement. Defect regions are first localized using segmentation methods, after which thermal responses are spatially averaged and converted into sixteen physics-informed temporal, energy, statistical, and geometric features. These features expose the one-dimensional heat-conduction relationship while withholding pixel coordinates from the depth model. Four regression models are evaluated using specimen-level cross-validation: Random Forest (RF), Gradient Boosting Machine (GBM), Advanced Multi-Layer Perceptron (Adv-MLP), and XGBoost. Unregularized trees and over-parameterized Adv-MLP exhibit calibration collapse under geometric shifts, with errors exceeding 0.5 mm. In contrast, regularized XGBoost with L1/L2 penalties and column sampling maintains cross-specimen calibration, achieving a mean absolute error (MAE) of 0.056 mm and root mean square error (RMSE) of 0.085 mm. Predicted depths are merged with masks to generate Delaunay-triangulated three-dimensional defect models in three to five seconds per specimen. Results show that mathematical regularization and spatio-temporal decoupling reduce spatial memorization in thermal-video depth regression.
• Abstract（参考訳）: 炭素繊維強化ポリマー (CFRP) の層間剥離深さの高精度測定は, 欠陥位置が影響する荷重層を決定するため, 構造評価に重要である。 光パルスサーモグラフィ(OPT)は体積測定ではなく2次元の熱映像を提供するため、時間的熱拡散反応から深度を推定する必要がある。 キャリブレーション欠陥が正規格子に従えば、回帰モデルは熱崩壊と深度の間の物理的関係を学ぶのではなく、それらの幾何学を記憶することができる。 本研究では空間欠陥の局所化を時間的深度測定から分離する時空間デカップリングアーキテクチャを導入する。 欠陥領域はまずセグメンテーション法を用いて局所化され、その後、熱応答は空間的に平均化され、16の物理インフォームド時間、エネルギー、統計、幾何学的特徴に変換される。 これらの特徴は深度モデルから画素座標を保ちながら1次元の熱伝導関係を明らかにする。 サンプルレベルのクロスバリデーションでは,ランダムフォレスト(RF),グラディエントブースティングマシン(GBM),アドバンストマルチ層パーセプトロン(Adv-MLP),XGBoostの4つの回帰モデルを評価する。 不規則化木と過パラメータ化Adv-MLPは、幾何シフトの下でキャリブレーション崩壊を示し、誤差は0.5mmを超える。 対照的に、L1/L2ペナルティとカラムサンプリングによる正規化XGBoostは、平均絶対誤差(MAE)が0.056mm、根平均誤差(RMSE)が0.085mmである。 予測深度はマスクにマージされ、デラウネー三角形の3次元欠陥モデルを1標本あたり3秒から5秒で生成する。 その結果,時空間デカップリングと数学的正則化は熱映像深度回帰の空間記憶を減少させることがわかった。

関連論文リスト

• Beyond Control Points: Arcsecond Relative-Motion Estimation of Vision Measurement Platforms With Incomplete or Absent Control Fields [43.43572961146893]
  画像の変位や既知の3D点から直接プラットフォームの動きを推定する制御適応微分フレームワークを開発した。 我々は、回転可観測条件、非モデル翻訳および非剛点運動のためのリークバウンド、および単一点軸偏差法を導出する。
  論文  参考訳（メタデータ） (2026-08-14T03:41:30Z)
• ReFP-AD: Rectified Flow Preconditioning for Energy-Based Anomaly Detection [5.928947106987821]
  統一された異常検出には、異常なサンプルにアクセスすることなく、高度に異質な正規データをモデル化する必要がある。 本稿では,ReFP-AD(Rectified Flow Preconditioning for Anomaly Detection)を提案する。 厳格な統一プロトコルの下では、ReFP-ADはMVTec-AD上で98.6%/97.9%のImage/Pixel AUROC、VisAで97.3%/99.0%を獲得し、画像AUROCにおいて、以前の統一されたEBMベースラインを+10.8%上回っている。
  論文  参考訳（メタデータ） (2026-08-03T07:03:51Z)
• Data-Driven Forward and Inverse Modeling of V-Beam Thermal Sensors [0.764671395172401]
  本稿では,Vビーム熱センサのデータ駆動逆設計のための機械学習フレームワークを提案する。 目的は、所定の温度下で目標変位を達成する最適センサ形状を決定することである。 提案したパイプラインは3000サンプルのデータセットを使用し、変位を予測するために4.76%のMAPEを達成する。
  論文  参考訳（メタデータ） (2026-07-04T12:50:19Z)
• Fault tolerant computation of the static structure factor and finite size effects [43.936586633107396]
  先導的な2体有限サイズ補正のための量子後処理戦略を開発する。 ツイスト平均化によりワンボディシェル効果が減少すると、長波長密度変動により支配的残留誤差が制御される。 また,2体有限サイズ誤差補正の再構築に使用される赤外線嵌合窓を同定するための適応的グローバル・ローカル二値探索手法も導入した。
  論文  参考訳（メタデータ） (2026-06-26T05:31:08Z)
• A skin-like conformal sensor for real-time shape mapping [2.128937994248034]
  リアルタイム3次元形状センシングは、動作中の変形可能なシステムの堅牢な制御と解釈に不可欠である。 本稿では,分散ひずみ測定から連続的な3次元変形をリアルタイムで再現する,スケーラブルな皮膚型センサを提案する。 12mmピッチの5-by-5アレイは、全てのテストシナリオで0.1秒の遅延で平均表面再構成誤差0.62mmを達成する。
  論文  参考訳（メタデータ） (2026-05-02T00:19:19Z)
• Convolutional Surrogate for 3D Discrete Fracture-Matrix Tensor Upscaling [0.0]
  酸化3D領域から等価な水和伝導率テンソルKeqを予測する代理モデルを開発した。 3つのサロゲートはDFMシミュレーションによって生成されたデータに基づいて訓練され、それぞれ異なるフラクチャー-マトリクス伝導率のコントラストに対応する。 訓練されたモデルは、ほとんどのテストケースで0.22未満の正規化ルート平均二乗誤差で高い精度を達成する。
  論文  参考訳（メタデータ） (2026-01-19T23:53:58Z)
• Probabilistic Predictions of Process-Induced Deformation in Carbon/Epoxy Composites Using a Deep Operator Network [7.616136432212582]
  熱硬化過程における熱膨張係数とマトリックス収縮係数のミスマッチにより, 繊維強化とポリマーマトリックスは製造条件に異なる反応を示した。 本研究では,一方向のAS4炭素繊維/アミン二官能エポキシ前駆体とプロセス誘起変形(PID)を2機構の枠組みを用いてモデル化する。
  論文  参考訳（メタデータ） (2025-12-15T03:04:45Z)
• ReconMOST: Multi-Layer Sea Temperature Reconstruction with Observations-Guided Diffusion [48.540756751934836]
  ReconMOSTは多層水温再構築のためのデータ駆動誘導拡散モデルフレームワークである。 提案手法はMLベースのSST再構成をグローバルな多層設定に拡張し,92.5%以上の欠落データを処理する。
  論文  参考訳（メタデータ） (2025-06-12T06:27:22Z)
• Deep Learning for Melt Pool Depth Contour Prediction From Surface Thermal Images via Vision Transformers [40.80426609561942]
  レーザー粉層融合(L-PBF)時に発生する溶融プール間の十分な重なり合いは、核融合欠陥の欠如につながる。 高速カラーイメージングにより観察されたその場2色熱画像と溶融プール断面の2次元形状を相関付ける機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T20:55:39Z)
• Learning Structure-Guided Diffusion Model for 2D Human Pose Estimation [71.24808323646167]
  ニューラルネットワークを用いてキーポイントのヒートマップを学習するための新しいスキームである textbfDiffusionPose を提案する。 トレーニング中、キーポイントはノイズを加えることでランダム分布に拡散され、拡散モデルはノイズ付きヒートマップから地中構造熱マップを復元する。 実験では、広く使用されているCOCO、CrowdPose、AI Challengeデータセット上で1.6、1.2、1.2mAPの改善による、私たちのスキームの長所が示されている。
  論文  参考訳（メタデータ） (2023-06-29T16:24:32Z)
• Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields [58.720142291102135]
  そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。 本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。 得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
  論文  参考訳（メタデータ） (2022-06-28T12:43:38Z)
• Heatmap Regression via Randomized Rounding [105.75014893647538]
  本稿では,サブピクセルローカライゼーション問題に対処する簡易かつ効果的な量子化システムを提案する。 提案システムでは,数値座標の分数部をトレーニング中の確率的アプローチを用いて基底真理熱マップに符号化する。
  論文  参考訳（メタデータ） (2020-09-01T04:54:22Z)

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。