PulseAugur
实时 09:33:39

Vision-Language Models Enhance XRF-to-Optical Microscopy Localization

研究人员开发了一种新的方法,用于定位以不同显微镜成像模式拍摄的图像,特别是X射线荧光(XRF)和光学显微镜。这对于关联同一样本的互补测量至关重要,尤其是在XRF图仅覆盖光学图像的一小部分时。该研究评估了用于此任务的视觉语言模型(VLM),并将其与几何控制、模板匹配和其他无训练方法进行了比较。一种使用VLM预测作为候选、图像相似性进行选择的提议-验证工作流程被证明是有效的,特别是在结构差异显著的低对应场景中。 AI

影响 这项研究可以提高不同显微镜技术数据关联的准确性和效率,从而促进科学发现。

排序理由 该集群包含一篇学术论文,详细介绍了显微镜成像定位的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Vision-Language Models Enhance XRF-to-Optical Microscopy Localization

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xiangyu Yin, Tatjana Paunesku, Letonia Copeland-Hardin, Martina Ralle, Zichao Wendy Di, Si Chen, Gayle E. Woloschak, Barry Lai, Mathew J. Cherukara, Stefan Vogt ·

    XRF-to-Optical Field-of-View Localization with Vision Language Models

    arXiv:2608.18309v1 Announce Type: new Abstract: Registering images acquired with different microscopy modalities is essential for relating complementary measurements of the same specimen. In correlative X-ray fluorescence (XRF) and optical microscopy, the XRF map often covers onl…