本文探讨了持久同调性度量在应用于3D图像（特别是多孔介质图像）去噪时的鲁棒性。研究调查了在高斯噪声和各种去噪技术（包括高斯卷积和机器学习方法）的影响下，不同的拓扑度量（如瓶颈距离、Wasserstein距离、持久性统计量和持久性图像）的表现。目的是评估这些度量在存在噪声的情况下准确表示图像底层结构的可靠性。 AI
影响 这项研究可以提高利用3D成像的领域的拓扑数据分析的准确性，可能影响材料科学和医学成像中的AI应用。
排序理由 该集群包含一篇讨论新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- arXiv
- bottleneck distance
- Gaussian convolution
- Gaussian noise
- Jonathan Jaquette
- machine learning
- Persistence Images
- persistence statistics
- persistent homology
- Wasserstein distance
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
