論文の概要: Image Fidelity is Not Field Fidelity: Joint Thermodynamic Reconstruction and Error Localization in Neural Tomography

• arxiv url: http://arxiv.org/abs/2609.28868v1
• Date: Thu, 24 Sep 2026 00:18:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.618511
• Title: Image Fidelity is Not Field Fidelity: Joint Thermodynamic Reconstruction and Error Localization in Neural Tomography
• Title（参考訳）: Image Fidelity is not Field Fidelity: Joint thermodynamic Reconstruction and Error Localization in Neural Tomography
• Abstract要約: 我々は,マルチビュー・マルチラインインテンシティから直接3次元電子密度と温度場を協調的に最適化するCoroNeRFを開発した。 そこで本研究では,地中不安定性が局所的物理場誤差の非実効的推論指標となるかどうかを検証した。
• 参考スコア（独自算出の注目度）: 1.1666234644810893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural fields for scientific tomography are optimized from 2D images, but the actual quantity of interest is often a latent 3D physical field. Because the forward map is many-to-one, low 2D image error need not certify a correct 3D field. Moreover, the latent field is not directly supervised during training, and its error cannot be evaluated against truth at deployment. We develop CoroNeRF to jointly optimize 3D electron density and temperature fields directly from multiview, multiline intensities through a differentiable atomic-emission renderer. Using solar coronal tomography as a controlled testbed, we evaluate physical-field recovery and test whether cross-seed instability provides a ground-truth-free-at-inference indicator of local physical-field error. We underscore the following two observations. (i) Image fidelity is not field fidelity: spectral ablations show that limited-channel reconstructions can fit their available observations well while recovering substantially worse fields, whereas evaluation on a common richer probe exposes the discrepancy. (ii) Cross-seed instability ranks local physical-field error across tested matched-model conditions, supported by sparsification and physical signal-strength controls. Seed-deviation projections provide complementary directional validation, but shared forward-model mismatch can still produce incorrect cross-seed consensus. These results characterize joint thermodynamic recovery and the usefulness and limits of seed-based error localization in a controlled, single-scene solar tomography testbed.
• Abstract（参考訳）: 科学的トモグラフィーのためのニューラルネットワークは2次元画像から最適化されているが、実際の関心の量は、しばしば潜伏した3次元物理場である。 フォワードマップは多対一であるため、低い2次元画像誤差は正しい3次元フィールドを認証する必要はない。 さらに、潜伏フィールドはトレーニング中に直接監視されないため、そのエラーはデプロイ時に真実に対して評価することはできない。 我々はCoroNeRFを開発し、3次元電子密度と温度場を直接多視点・多線強度から微分可能な原子放出レンダラーにより最適化する。 太陽コロナトモグラフィーを制御テストベッドとして使用し, 物理場回復を評価し, クロスシード不安定が局所的物理場誤差の地中トルース・フリー・アット・インジェクション指標となるかどうかを検証した。 以下の2つの観察点を下記の通りとする。 (i)画像の忠実度はフィールド忠実度ではない:スペクトルアブレーションにより、限られたチャネル再構成は、よりひどい磁場を回復しながら、利用可能な観測値によく適合するが、一方、一般的なリッチプローブによる評価は、その相違を露呈する。 (II) クロスシード不安定性は, テストされたマッチングモデル条件間で局所的な物理場誤差をランク付けし, スパーシフィケーションと物理信号強度制御によって支持される。 シード・デフレーション・プロジェクションは相補的な方向性の検証を提供するが、フォワード・モデルのミスマッチはいまだに誤ったクロスシード・コンセンサスを生み出すことができる。 これらの結果は, 制御された単層太陽トモグラフィーテストベッドにおける接合熱力回復とシードベースの誤差局在の有用性と限界を特徴付ける。

関連論文リスト

• Point Cloud Diffusion with Global and Local Reconstruction for Instance-Level 3D Anomaly Detection [53.26344422459608]
  インスタンスレベルの3次元異常発生と検出のための点群拡散フレームワークである textbfPCDiff を提案する。 生成フェーズでは、インスタンスレベルのマルチモーダルアテンションが生成フレームワークに埋め込まれ、そこでは異常にテクスチャ勾配、画像パッチ、テキスト、マスクが条件付けられている。 検出段階では,局所的異常回復と大域的幾何整合性を確保するために,共同局所言語再構成アルゴリズムが導入された。
  論文  参考訳（メタデータ） (2026-06-24T12:11:05Z)
• Unsupervised Susceptibility Distortion Correction of EPI without Calibration Scans via Image Translation-Based Registration [2.2344764434954256]
  機能的磁気共鳴イメージング(fMRI)は、エコープラナーイメージング(EPI)を用いて、高時間分解能の血液酸素レベル依存(BOLD)信号をキャプチャする。 EPIは本質的に磁場の不均一性に敏感であり、相エンコーディング(PE)方向に沿った感受性による幾何歪みをもたらす。 SACREDは、画像翻訳に基づく登録により幾何歪みを補正するキャリブレーション・スキャンフリー・サセプティビリティ・歪み補正フレームワークである。
  論文  参考訳（メタデータ） (2026-06-19T16:44:19Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• Neural Field Thermal Tomography: A Differentiable Physics Framework for Non-Destructive Evaluation [3.697746606429496]
  本研究では,過渡表面温度測定から材料特性を定量的に再現する物理フレームワークを提案する。 NeFTYは、3次元微分場を厳密な数値解法によって最適化された連続神経場としてパラメータ化する。 提案手法は,高分解能3次元トモグラフィに必要なメモリ効率を維持しつつ,熱力学的法則をハード制約として適用する。
  論文  参考訳（メタデータ） (2026-03-11T17:59:42Z)
• Bidirectional Mammogram View Translation with Column-Aware and Implicit 3D Conditional Diffusion [17.309030641962]
  ビュー・ツー・ビューの翻訳は、行方不明のビューを回復し、病変のアライメントを改善するのに役立つ。 自然画像とは異なり、マンモグラフィーにおけるこの課題は、X線投影において大きな非剛性変形と重い組織が重なり合うため、非常に困難である。 本稿では,新しい双方向マンモグラムビュー変換フレームワークであるカラム・アウェア・インプリシット3次元拡散(CA3D-Diff)を提案する。
  論文  参考訳（メタデータ） (2025-10-06T15:48:27Z)
• Spatial-aware Attention Generative Adversarial Network for Semi-supervised Anomaly Detection in Medical Image [63.59114880750643]
  本稿では,一級半教師付き健康画像生成のための空間意識生成ネットワーク(SAGAN)について紹介する。 SAGANは、正常な画像の復元と擬似異常画像の復元によって導かれる、ラベルのないデータに対応する高品質な健康画像を生成する。 3つの医学データセットに対する大規模な実験は、提案されたSAGANが最先端の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-21T15:41:34Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Unsupervised Domain Adaptation for Low-dose CT Reconstruction via Bayesian Uncertainty Alignment [32.632944734192435]
  低線量CT(LDCT)画像再構成技術は、許容画質を維持しつつ、患者の放射線被曝を減らすことができる。 この問題ではディープラーニングが広く用いられているが、臨床シナリオではデータテストのパフォーマンスが劣化することが多い。 LDCT再構成の教師なし領域適応(UDA)は分布アライメントによってこの問題を解決するために提案されている。
  論文  参考訳（メタデータ） (2023-02-26T07:10:09Z)
• CRADL: Contrastive Representations for Unsupervised Anomaly Detection and Localization [2.8659934481869715]
  医用画像における教師なし異常検出は、訓練中に異常データを必要とせず、任意の異常を検出し、位置決めすることを目的としている。 現在の最先端の手法のほとんどは、画像上で直接動作する潜在変数生成モデルを使用している。 コントラストプレテクストタスクで訓練されたエンコーダの低次元表現空間において,正規サンプルの分布を直接モデル化するCRADLを提案する。
  論文  参考訳（メタデータ） (2023-01-05T16:07:49Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)

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。