4 分で読了
0 views

時間飛行計測による散乱光トモグラフィーの計算的復元

(Computational time-of-flight diffuse optical tomography)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近うちの若手が『光で中身を透かして見られる技術』が来ると言うんですが、本当に実用になるんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!可能性は非常に高いです。一緒にポイントを整理しましょう、結論は三点です。非侵襲で奥の構造を復元できる、単一光子検出で高時間分解能が得られる、そして計算処理で像を取り出せるのです。

田中専務

単一光子検出って何ですか、感度が凄いという話かね。うちの現場に入れるとしたら費用対効果が心配です。

AIメンター拓海

いい質問ですね。単一光子検出は’SPAD’、単一光子アバランシェダイオードのことです。家で言えば極めて暗い部屋でキャンドルの灯りを一粒ずつ数えるようなもので、遠くや奥の微弱な光も拾えるのです。

田中専務

なるほど。で、散乱が激しい状況でも本当に奥まで見えるのですか。これって要するに奥に隠れた物体の形が分かるということ?

AIメンター拓海

要するにそうです。時間情報、つまり光が来るまでの時間分布を全部測ると、散乱しても往復時間の差から奥行きを推定できるのです。重要な点は三つ、時間分解能、空間分解能、そして計算モデルです。

田中専務

計算モデルというのは、現場の人間が扱えるものなのでしょうか。特別な人材が必要なら難しいのですが。

AIメンター拓海

大丈夫、可能です。計算は確かに専門的ですが、ワークフロー化して現場に合わせれば良いのです。要点は三つ、一度に全部自社で作ろうとしない、クラウドや外注を使って初期検証する、そして段階的に内製化を進めることですよ。

田中専務

投資対効果の面で、まず何を試せば良いですか。費用が高い機材を買う前に確かめたいのです。

AIメンター拓海

素晴らしい現実主義です。まずは短期間のPoCを提案します。三つの小さな検証で判断できます。既存設備での簡易透過試験、レンタルでのSPAD撮像、最後に計算復元の精度評価です。

田中専務

分かりました。最後にもう一度整理すると、時間分布を取って計算すると散乱の中でも奥が見える、そして段階的に検証していく、ということで宜しいですか。

AIメンター拓海

その通りです、田中専務。大丈夫、一緒にやれば必ずできますよ。必要であれば会議用の説明資料も作りますから、安心して踏み出しましょう。

田中専務

分かりました、私の言葉で言うと『まずは短期の実験で時間分布を取って復元できるか確かめ、可能なら段階的に導入して現場の課題解決に繋げる』ということですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
視覚的分布表現によるマルチショット人物再識別
(Multi-shot Person Re-identification through Set Distance with Visual Distributional Representation)
次の記事
単眼画像からの精密3D姿勢推定を繰り返し精緻化するiSPA-Net
(iSPA-Net : Iterative Semantic Pose Alignment Network)
関連記事
ゼロショット自己教師あり学習を用いたマルチショット拡散強調MRI再構成
(Improved Multi-Shot Diffusion-Weighted MRI Reconstruction with Zero-Shot Self-Supervised Learning Reconstruction)
D¨IOTによるIoT異常検知の連合自己学習
(D¨IOT: A Federated Self-learning Anomaly Detection System for IoT)
単一画像からの点群再構成を変える3D-LMNet
(3D-LMNet: Latent Embedding Matching for Accurate and Diverse 3D Point Cloud Reconstruction from a Single Image)
強化学習ポリシーの合成と形式保証
(Composing Reinforcement Learning Policies, with Formal Guarantees)
多用途な化学吸着の性質
(Nature of Versatile Chemisorption on TiC(111) and TiN(111))
GRUとCNN注意機構によるツイート感情解析の実装と成果
(Amobee at SemEval-2018 Task 1: GRU Neural Network with a CNN Attention Mechanism for Sentiment Classification)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む