論文の概要: Differentiable model-based adaptive optics with transmitted and reflected light

• arxiv url: http://arxiv.org/abs/2007.13400v1
• Date: Mon, 27 Jul 2020 09:39:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 11:56:12.441709
• Title: Differentiable model-based adaptive optics with transmitted and reflected light
• Title（参考訳）: 反射光を用いたモデルベース適応光学
• Authors: Ivan Vishniakou, Johannes D. Seelig
• Abstract要約: モデルベース適応光学と機械学習フレームワークの最適化手法を組み合わせることで,少数の測定値による収差補正が可能であることを示す。 透過に焦点を合わせることは、反射光のみに基づいて達成され、エピ検出イメージング構成と互換性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aberrations limit optical systems in many situations, for example when imaging in biological tissue. Machine learning offers novel ways to improve imaging under such conditions by learning inverse models of aberrations. Learning requires datasets that cover a wide range of possible aberrations, which however becomes limiting for more strongly scattering samples, and does not take advantage of prior information about the imaging process. Here, we show that combining model-based adaptive optics with the optimization techniques of machine learning frameworks can find aberration corrections with a small number of measurements. Corrections are determined in a transmission configuration through a single aberrating layer and in a reflection configuration through two different layers at the same time. Additionally, corrections are not limited by a predetermined model of aberrations (such as combinations of Zernike modes). Focusing in transmission can be achieved based only on reflected light, compatible with an epidetection imaging configuration.
• Abstract（参考訳）: 収差は、例えば生体組織でのイメージングなど、多くの状況において光学系を制限する。 機械学習は、収差の逆モデルを学ぶことによって、そのような条件下で画像を改善する新しい方法を提供する。 学習には、可能な限り広範囲の収差をカバーするデータセットが必要であるが、より強い散乱サンプルの制限となり、撮像プロセスに関する事前情報を利用できない。 本稿では,モデルベース適応光学と機械学習フレームワークの最適化手法を組み合わせることで,少数の測定値による収差補正が可能であることを示す。 補正は、単一の収差層を介して伝送構成と、同時に2つの異なる層を介して反射配置で決定される。 さらに、補正は、(ツェルニケモードの組み合わせのような)所定の収差のモデルによって制限されない。 透過に焦点を合わせることは、反射光のみに基づいて達成でき、エピプローブイメージング構成と互換性がある。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• DI-Retinex: Digital-Imaging Retinex Theory for Low-Light Image Enhancement [73.57965762285075]
  本稿では,デジタル画像におけるRetinex理論の理論的および実験的解析を通じて,Digital-Imaging Retinex theory(DI-Retinex)という新しい表現を提案する。 提案手法は, 視覚的品質, モデルサイズ, 速度の観点から, 既存の教師なし手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-04-04T09:53:00Z)
• Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
  本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。 我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
  論文  参考訳（メタデータ） (2024-02-27T10:38:05Z)
• Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer for Exposure Correction [65.5397271106534]
  単一のニューラルネットワークは、すべての露光問題に対処することが難しい。 特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。 本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
  論文  参考訳（メタデータ） (2023-09-02T09:07:36Z)
• Neural Invertible Variable-degree Optical Aberrations Correction [6.6855248718044225]
  本稿では,その情報ロスレス特性を利用して,可逆的アーキテクチャを用いた新しい収差補正手法を提案する。 アーキテクチャ内では、可変度で収差を処理できる条件付き可逆ブロックを開発する。 本手法は,物理画像シミュレーションによる合成データセットと実捕集データセットの両方を用いて評価する。
  論文  参考訳（メタデータ） (2023-04-12T01:56:42Z)
• Fluctuation-based deconvolution in fluorescence microscopy using plug-and-play denoisers [2.236663830879273]
  蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。 この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
  論文  参考訳（メタデータ） (2023-03-20T15:43:52Z)
• Light Lies: Optical Adversarial Attack [24.831391763610046]
  本稿では, 画像センサに到達した光界情報を物理的に変化させて, 分類モデルが誤分類を生じさせる光学対向攻撃を提案する。 シミュレーションと実際のハードウェア光システムの両方に基づく実験を行い,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-06-18T04:20:49Z)
• Differentiable model-based adaptive optics for two-photon microscopy [0.0]
  収差は、生体組織などの散乱物質のイメージング時に走査蛍光顕微鏡を制限する。 適応光学に対するモデルベースアプローチは、光学セットアップの計算モデルを利用する。 このアプローチを2光子走査顕微鏡に拡張する。
  論文  参考訳（メタデータ） (2021-04-29T12:50:08Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• SIR: Self-supervised Image Rectification via Seeing the Same Scene from Multiple Different Lenses [82.56853587380168]
  本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。 我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。 本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-30T08:23:25Z)
• Adaptive optics with reflected light and deep neural networks [0.0]
  本研究では,反射光と深部ニューラルネットワークを併用した適応光学系の開発を行った。 励起及び検出経路収差と対応する反射焦点画像からなるサンプル収差の大規模なデータセットを生成する。 深層ニューラルネットワークは、散乱サンプルから記録された反射光画像に基づいて、励起と検出の収差を独立に歪め、補正することができる。
  論文  参考訳（メタデータ） (2020-04-09T15:39:51Z)

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。