論文の概要: Learning to Model and Calibrate Optics via a Differentiable Wave Optics Simulator

• arxiv url: http://arxiv.org/abs/2005.08562v1
• Date: Mon, 18 May 2020 10:23:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 00:14:11.581128
• Title: Learning to Model and Calibrate Optics via a Differentiable Wave Optics Simulator
• Title（参考訳）: 微分波光学シミュレータによる光学のモデル化と校正の学習
• Authors: Josue Page, Paolo Favaro
• Abstract要約: 実蛍光顕微鏡の微分可能計算モデルを構築するための学習に基づく新しい手法を提案する。 我々のモデルは、データサンプルから直接実際の光学装置を校正し、所望の入出力データを指定することで、ポイントスプレッド機能を構築するために使用できる。
• 参考スコア（独自算出の注目度）: 27.913052825303097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel learning-based method to build a differentiable computational model of a real fluorescence microscope. Our model can be used to calibrate a real optical setup directly from data samples and to engineer point spread functions by specifying the desired input-output data. This approach is poised to drastically improve the design of microscopes, because the parameters of current models of optical setups cannot be easily fit to real data. Inspired by the recent progress in deep learning, our solution is to build a differentiable wave optics simulator as a composition of trainable modules, each computing light wave-front (WF) propagation due to a specific optical element. We call our differentiable modules WaveBlocks and show reconstruction results in the case of lenses, wave propagation in air, camera sensors and diffractive elements (e.g., phase-masks).
• Abstract（参考訳）: 実蛍光顕微鏡の微分可能計算モデルを構築するための学習に基づく新しい手法を提案する。 我々のモデルは、データサンプルから直接実際の光学装置を校正し、所望の入出力データを指定することで、ポイントスプレッド機能を構築するために使用できる。 このアプローチは、光学装置の現在のモデルのパラメータが実際のデータに容易に適合できないため、顕微鏡の設計を大幅に改善する。 ディープラーニングの最近の進歩に触発された我々のソリューションは、特定の光学素子による各光波面伝播を演算可能なモジュールの合成として、微分可能な光光学シミュレータを構築することである。 我々は、差別化可能なモジュールをWaveBlocksと呼び、レンズ、空気中の波動伝搬、カメラセンサー、微分素子(フェーズマスクなど)の場合の再構成結果を示す。

関連論文リスト

• Enhancing Fluorescence Lifetime Parameter Estimation Accuracy with Differential Transformer Based Deep Learning Model Incorporating Pixelwise Instrument Response Function [0.3441582801949978]
  本稿では,最新の微分変換器エンコーダ・デコーダアーキテクチャであるMFliNetを用いた新しいDLアーキテクチャを提案する。 本モデルの性能は, 慎重に設計し, 複雑な組織模倣ファントムと前臨床内癌異種移植実験により実証した。
  論文  参考訳（メタデータ） (2024-11-25T20:03:41Z)
• Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
  実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。 本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
  論文  参考訳（メタデータ） (2024-11-17T17:45:37Z)
• Rapid stochastic spatial light modulator calibration and pixel crosstalk optimisation [0.0]
  SLMディスプレイにおけるレーザービームの波面の正確な校正と強度プロファイルは、ホログラム電位の高密度化の鍵となる。 そこで本研究では,従来の手法よりも高速で,同じ精度を維持しながらキャリブレーションを行う手法を提案する。 このアプローチにより、SLMのウェーブフロントをわずか10のSLMフェーズパターンを使用して、ラムダ/170$を5分以内で測定することができます。
  論文  参考訳（メタデータ） (2024-08-14T17:11:50Z)
• End-to-End Hybrid Refractive-Diffractive Lens Design with Differentiable Ray-Wave Model [18.183342315517244]
  本稿では,光収差と拡散位相変調の両方を正確にシミュレーションするためのハイブリッド光線トレーシングと波動伝搬(光波)モデルを提案する。 提案したレイウェーブモデルは完全に微分可能であり、屈折回折レンズ最適化と画像再構成ネットワークのエンドツーエンド共設計のための勾配バックプロパゲーションを可能にする。
  論文  参考訳（メタデータ） (2024-06-02T18:48:22Z)
• A Phase Transition in Diffusion Models Reveals the Hierarchical Nature of Data [55.748186000425996]
  最近の進歩は、拡散モデルが高品質な画像を生成することを示している。 我々はこの現象を階層的なデータ生成モデルで研究する。 本分析は拡散モデルにおける時間とスケールの関係を特徴付ける。
  論文  参考訳（メタデータ） (2024-02-26T19:52:33Z)
• Rethinking data-driven point spread function modeling with a differentiable optical model [0.19947949439280027]
  天文学において、広視野光学機器を持つ近日宇宙望遠鏡は、空間的に異なる点拡散関数(PSF)を持つ。 現在のデータ駆動型PSFモデルは空間変動や超解像に対処できるが、色の変化を捉えることはできない。 モデリングフレームワークに微分可能な光フォワードモデルを追加することにより、データ駆動モデリング空間をピクセルからウェーブフロントに変更する。
  論文  参考訳（メタデータ） (2022-03-09T17:39:18Z)
• Disentangling multiple scattering with deep learning: application to strain mapping from electron diffraction patterns [48.53244254413104]
  我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。 結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。 シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
  論文  参考訳（メタデータ） (2022-02-01T03:53:39Z)
• Learning optical flow from still images [53.295332513139925]
  我々は,容易に利用可能な単一の実画像から,高精度な光学的フローアノテーションを迅速かつ多量に生成するフレームワークを提案する。 既知の動きベクトルと回転角を持つ再構成された環境でカメラを仮想的に移動させる。 我々のデータでトレーニングすると、最先端の光フローネットワークは、実データを見るのに優れた一般化を実現する。
  論文  参考訳（メタデータ） (2021-04-08T17:59:58Z)
• Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
  画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。 本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-03-04T12:45:18Z)
• Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
  集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。 このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。 線形光ネットワークの転送行列を再構成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:04:22Z)
• Optimization of collection optics for maximum fidelity in entangled photon sources [0.0]
  自発パラメトリックダウン変換現象によって生じる絡み合った光子のデコヒーレンス源について検討した。 結晶からの光子対の位相と空間的識別性は、到達可能な最大エンタングルメント忠実度を低下させる。 現実的なシナリオは数値的にモデル化され、非ゼロ放射角の光子対が位相差を収集する。
  論文  参考訳（メタデータ） (2020-07-14T00:48:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。