論文の概要: Seeing the Heat: Synthesizing High-Resolution Wood Thermal Responses from Optical Imagery

• arxiv url: http://arxiv.org/abs/2609.31737v1
• Date: Tue, 22 Sep 2026 16:58:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 13:18:05.079906
• Title: Seeing the Heat: Synthesizing High-Resolution Wood Thermal Responses from Optical Imagery
• Title（参考訳）: 熱を見る:光画像から高分解能木材の熱応答を合成する
• Abstract要約: 木材RGB画像から直接高分解能熱応答を合成するエンドツーエンドの計算フレームワークを提案する。 我々はこれらの合成熱応答を用いて、DINOv3ファンデーションモデル上に構築された神経代理モデルを監督する。 この手法はセマンティックドメインと熱力学ドメインを効果的に橋渡しし、微細な木材熱応答の系統的、ピクセルレベルの解析を解き放つ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The thermal behavior of wood is a critical factor in advanced material assembly. However, pixel-level thermal analysis remains fundamentally constrained by the low resolution and noise inherent to infrared thermography. To address this, we introduce an end-to-end computational framework that synthesizes high-resolution thermal responses directly from wood RGB images. We first establish a core physical linkage: because spatial color variation in natural wood is driven by cellular anatomy, optical intensity serves as a reliable geometric proxy for the localized solid volume fraction. By leveraging this theoretical insight, we develop an automated finite-element-method data engine that maps pixel-level optical intensity to a 3D thermodynamic voxel grid, generating high-fidelity synthetic thermal responses. We find that 1) when the thermal conductivity along the thickness direction is uniform or linear, wood RGB images and their corresponding thermal responses exhibit extreme morphological similarities, and the lateral thermal diffusion acts as a low-pass filter that smooths out high-frequency details; 2) when the thermal conductivity along the thickness direction is random, such morphological similarities are destroyed, and wood's 3D structure dominantly governs its thermal response. We further utilize these synthetic thermal responses to supervise a neural surrogate model built upon the DINOv3 foundation model. Our results demonstrate that the neural surrogate model successfully internalizes the governing thermodynamic laws, thereby bypassing computationally expensive simulations and enabling high-resolution thermal inference. This methodology effectively bridges the semantic and thermodynamic domains, unlocking systematic, pixel-level analysis of fine-grained wood thermal responses. Project: https://zekifayes.github.io/seeheat
• Abstract（参考訳）: 木材の熱的挙動は、先進的な材料組み立てにおいて重要な要素である。 しかし、画素レベルの熱分析は、赤外線サーモグラフィーに固有の低分解能とノイズによって、基本的に制限されている。 そこで本研究では,木製RGB画像から直接高分解能熱応答を合成するエンドツーエンドの計算フレームワークを提案する。 天然木材の空間色変化は細胞解剖によって引き起こされるため,光学的強度は局所固体体積分画の信頼性の高い幾何的プロキシとして機能する。 この理論的知見を活用することで、画素レベルの光強度を3次元熱力学ボクセル格子にマッピングし、高忠実な合成熱応答を生成する自動有限要素法データエンジンを開発する。 私たちはそれを見つける。 1) 厚み方向の熱伝導率が一様又は直線的である場合、木材RGB画像とその対応する熱応答は、極端な形態的類似性を示し、横方向の熱拡散は、高周波の詳細を円滑にする低域フィルタとして機能する。 2) 厚み方向に沿った熱伝導率がランダムな場合, その形態的類似性は破壊され, 木材の3次元構造はその熱応答を支配的に支配する。 さらに、これらの合成熱応答を利用して、DINOv3ファンデーションモデル上に構築された神経代理モデルを監督する。 以上の結果から,ニューラルサロゲートモデルが制御熱力学法則の内在化に成功し,計算コストのかかるシミュレーションを回避し,高分解能な熱推定を可能にすることが示唆された。 この手法はセマンティックドメインと熱力学ドメインを効果的に橋渡しし、微細な木材熱応答の系統的、ピクセルレベルの解析を解き放つ。 プロジェクト: https://zekifayes.github.io/seeheat

関連論文リスト

• MeGAS: Thermomechanical Dynamic Gaussian Splatting for Thermophysical Scene Editing [53.96914021628847]
  熱力学的相変化ダイナミクスを3次元ガウススプラッティングに組み込んだMeGASを提案する(3DGS)。 MeGASは、物理統合された世界モデルに向けて、高忠実なフォトリアリスティックレンダリングを維持しながら、物理的に一貫した熱力学的挙動を生成する。
  論文  参考訳（メタデータ） (2026-06-22T15:05:59Z)
• Physics-Informed Modeling for Wood Thermal Analysis and Prediction [3.0362041827502413]
  木質材料は複雑で空間的に変化する熱的性質を示し、材料均質性の伝統的なアーキテクチャ上の仮定に挑戦する。 本研究では, 偏微分方程式(PDE)を統合した物理インフォームド深層学習フレームワークを提案し, 空間的に不均一な木材材料の画素レベルの熱応答を予測する。
  論文  参考訳（メタデータ） (2026-06-22T14:26:06Z)
• 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)
• Physics-Constrained Cross-Resolution Enhancement Network for Optics-Guided Thermal UAV Image Super-Resolution [19.782662020080522]
  既存の方法では、光学的特徴を圧縮して熱的特徴次元を整合させて、クロスモーダルアライメントと融合を行う。 我々は,光と熱のモードの相互拡張を実現するためにPCNetを提案する。 また,光誘導に二次元熱伝導を取り入れた物理駆動熱伝導モジュール(PDTM)を提案する。
  論文  参考訳（メタデータ） (2026-01-07T02:30:27Z)
• Modeling and Inverse Identification of Interfacial Heat Conduction in Finite Layer and Semi-Infinite Substrate Systems via a Physics-Guided Neural Framework [0.0]
  HeatTransFormerは物理誘導型トランスフォーマーアーキテクチャである。 物理的にインフォメーションされたサンプリング、ラプラスをベースとした拡散解をエミュレートするアクティベーション、マスクレスアテンション機構を統合している。 有限層半無限基板構成に適用すると、界面のコヒーレント温度場が生成される。
  論文  参考訳（メタデータ） (2025-12-02T10:22:57Z)
• Thermal3D-GS: Physics-induced 3D Gaussians for Thermal Infrared Novel-view Synthesis [11.793425521298488]
  本稿では,熱3D-GSという物理誘導型3次元ガウススプラッティング法を提案する。 The first large-scale benchmark dataset for this field called Thermal Infrared Novel-view Synthesis dataset (TI-NSD)。 その結果,本手法はPSNRの3.03dB改善によりベースライン法よりも優れていた。
  論文  参考訳（メタデータ） (2024-09-12T13:46:53Z)
• Building Vision Models upon Heat Conduction [66.1594989193046]
  本研究は, 物理的熱伝導原理に基づく熱伝導演算子 (HCO) について紹介する。 HCOは熱源としてイメージパッチを概念化し、適応的な熱エネルギー拡散を通じて相関をモデル化する。 vHeatは、Swin-Transformerと比較して最大で3倍のスループット、GPUメモリ割り当ての80%削減、計算FLOPの35%削減を実現している。
  論文  参考訳（メタデータ） (2024-05-26T12:58:04Z)
• TCI-Former: Thermal Conduction-Inspired Transformer for Infrared Small Target Detection [58.00308680221481]
  赤外線小目標検出(ISTD)は国家安全保障に重要であり、軍事分野で広く応用されている。 ほとんどの ISTD ネットワークは特徴抽出ブロックや特徴融合モジュールの設計に重点を置いているが、特徴写像の進化の観点から ISTD プロセスを記述することは稀である。 熱伝導理論に基づく熱伝導型変圧器(TCI-Former)を提案する。
  論文  参考訳（メタデータ） (2024-02-03T05:51:22Z)
• Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
  本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。 本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。 一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
  論文  参考訳（メタデータ） (2022-10-09T13:50:12Z)
• Maximizing Self-supervision from Thermal Image for Effective Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
  熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。 弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。 本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
  論文  参考訳（メタデータ） (2022-01-12T09:49:24Z)
• Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains at Finite Temperature: Exact Results [68.8204255655161]
  奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。 正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
  論文  参考訳（メタデータ） (2021-05-11T14:08:02Z)

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。