derivative op• 데이터 종류: gradient → voxel
• 호출: import fullseye as fs; fs.ledger.gradient_magnitude(gradient)(구현을 직접 호출하려면 import reprconv; reprconv.gradient_magnitude(gradient), 원장에서 가져오려면 opsreprconv.get("gradient_magnitude"))
• GPU: 없음(CPU 참조 구현만)
3-D 기울기 gradient → 기울기 크기 볼륨 voxel. gradient 형의 출구.
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
|∇I| = sqrt(gz² + gy² + gx²)。gradient3d の形 (gmag, gvec) は gvec から計算し直す(gmag を信じて素通しにしない —— 渡された対が食い違っていても気づけないため)。sobel3d の形 (gz, gy, gx) は利得 32 を割ってから計算するので、どちらの産み手から来ても真の勾配の大きさ(1 voxel あたりの濃度変化)になる。
一方向(向き 2 自由度を捨てる)。向きを残すなら gradient_coherence や sobel3d の成分そのもの。
★外から来た勾配(微分可能レンダラの出力など)は (gmag, gvec) の形で渡すこと。3 本の形は sobel3d の利得 32 として割るので、利得 1 の 3 本を渡すと 1/32 に出る(形だけでは利得を見分けられない。型を分けるかは docs/TYPE_CONNECTIVITY.md の案)。
Args:
gradient: gradient3d の (gmag, gvec) か sobel3d の (gz, gy, gx)。
Returns:
(D, H, W) float64。
Raises:
ValueError: どちらの形でもない / 非有限 / 空。
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• type_connectivity_tour — py -3.11 examples/type_connectivity_tour.py
voxel 를 입력으로 받는 것)correlation_score · voxel_to_hessian
derivative)gradient_coherence · voxel_to_hessian · hessian_determinant · hessian_vesselness
*Provenance: reprconv.py — REPRCONV 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.