文献
J-GLOBAL ID:201902259247759962   整理番号:19A0512381

画像分離のためのマルチモーダル辞書学習とART研究への応用【JST・京大機械翻訳】

Multi-Modal Dictionary Learning for Image Separation With Application in Art Investigation
著者 (5件):
資料名:
巻: 26  号:ページ: 751-764  発行年: 2017年 
JST資料番号: W0364A  ISSN: 1057-7149  CODEN: IIPRE4  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
芸術研究の支援において,著者らは,両面塗装から得られた単一X線スキャンを混合しない新しいソース分離法を提案した。この問題において,分離されるX線信号は類似の形態学的特性を有し,それは以前のソース分離法をそれらの限界にもたらす。著者らの解決策は,パネルの前面と裏面から撮影された写真を用いて分離プロセスを駆動することである。著者らのアプローチのcruは,類似の表現を用いてモダリティ全体にわたって共通の特徴と異なる特徴を捉えることができる新しい結合辞書学習フレームワークを用いて,2つのイメージングモダリティ(写真とX線)の結合に依存している。一般的な成分はマルチモーダル画像によって共有される特徴を捉えるが,一方,革新成分は,モード特異的情報を捕捉する。このように,著者らのモデルは,X線の正確な分離をもたらす適切に正則化された凸最適化手順の定式化を可能にする。著者らの辞書学習フレームワークは,単一およびマルチスケールフレームワークの両方に合わせることができ,後者は著しい性能改善をもたらす。さらに,分離画像の視覚的品質に関してさらに改善するために,著者らは,craquに対応する塗装のある部分を無視する結合辞書を訓練することを提案した。Ghent Altarピース(1432)のディジタル取得から得た合成データと実データの実験により,画像分離を行うために固定または訓練辞書のどちらかを用いる最先端の形態成分分析技術に対する本方法の優位性を確認した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 

前のページに戻る