Fugu-MT 論文翻訳(概要): Machine learning recognition of light orbital-angular-momentum superpositions

論文の概要: Machine learning recognition of light orbital-angular-momentum superpositions

arxiv url: http://arxiv.org/abs/2012.00167v3
Date: Tue, 8 Dec 2020 21:18:44 GMT
ステータス: 処理完了
システム内更新日: 2023-04-22 14:12:46.536125
Title: Machine learning recognition of light orbital-angular-momentum superpositions
Title（参考訳）: 光軌道-三角形-運動量重ね合わせの機械学習認識
Authors: B. Pinheiro da Silva, B. A. D. Marques, R. B. Rodrigues, P. H. Souto Ribeiro, and A. Z. Khoury
Abstract要約: 我々は,光軌道角運動量(OAM)の任意の重ね合わせを高忠実度で特徴づける手法を開発した。それぞれの重ね合わせを不必要に定義するために、2つの強度測定を組み合わせる。我々は畳み込みニューラルネットワークを訓練し、任意のOAM重ね合わせを最大5次元で高い忠実度で認識する。
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: We developed a method to characterize arbitrary superpositions of light orbital angular momentum (OAM) with high fidelity by using astigmatic tomography and machine learning processing. In order to define each superposition unequivocally, we combine two intensity measurements. The first one is the direct image of the input beam, which cannot distinguish between opposite OAM components. This ambiguity is removed by a second image obtained after astigmatic transformation of the input beam. Samples of these image pairs are used to train a convolution neural network and achieve high fidelity recognition of arbitrary OAM superpositions with dimension up to five.
Abstract（参考訳）: 乱視トモグラフィと機械学習処理を用いて,光軌道角運動量(oam)の任意の重ね合わせを高忠実度で特徴付ける手法を開発した。各重ね合わせを具体的に定義するために、2つの強度測定を組み合わせる。 1つは入力ビームの直接像であり、反対のOAM成分を区別できない。この曖昧性は、入力ビームの非点変換後に得られた第2の画像によって除去される。これらの画像ペアのサンプルは畳み込みニューラルネットワークを訓練し、最大5次元の任意のoam重ね合わせを高い忠実度で認識するために使用される。

関連論文リスト

Optical tweezer generation using automated alignment and adaptive optics [0.0]
微調整を実現するための光学アライメントの最先端の精度は、手動制御の限界に達している。光学手動アライメントの基本的な技法の1つは、レーザービームの横断歩行である。この手法を用いて, 高い開口目標を機械的に整列させ, 高品質なツイーザを製作可能であることを示す。
論文参考訳（メタデータ） (2023-12-20T18:40:37Z)
Quantum limits of parameter estimation in long-baseline imaging [1.0828616610785522]
本報告では, 分散イメージングシステムによって提供される1つのモノリシック望遠鏡の上下上における拡張の成因について述べる。 2つのクラスのビーム合成戦略を用いて量子最適測定を実現する方法を示す。
論文参考訳（メタデータ） (2023-05-05T21:05:52Z)
Passive superresolution imaging of incoherent objects [63.942632088208505]
手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
論文参考訳（メタデータ） (2023-04-19T15:53:09Z)
Super-resolution enhancement in bi-photon spatial mode demultiplexin [0.0]
レイリーの呪いによる遠方界の強度を測定するイメージングシステムは、光学系の有限開口によって規定される解像度制限である。空間モードデマルチプレクシング(SPADE)を用いて収集したフィールド情報が最大であることを示す。
論文参考訳（メタデータ） (2022-12-20T17:40:46Z)
A general scheme of differential imaging employing weak measurement [3.1270812431433663]
興味あるシステムと2レベルアンシラの弱い結合は,任意のアンシラ選択後に2ビーム回路を導入することができることを示す。サニャック干渉計と超薄型ウォラストンプリズムの実験結果から, 複雑な幾何学的構成の境界情報が得られた。
論文参考訳（メタデータ） (2022-08-11T13:12:43Z)
Two-photon resonance fluorescence of two interacting non-identical quantum emitters [77.34726150561087]
我々は、コヒーレント場によって駆動される相互作用する2つの非負の量子エミッタのシステムについて研究する。共鳴蛍光スペクトルに2光子ダイナミクスによって印加された特徴は、エミッタ間の距離の変化に特に敏感である。これは、ポイントライクなソースの超解像イメージングのような応用に利用することができる。
論文参考訳（メタデータ） (2021-06-04T16:13:01Z)
Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文参考訳（メタデータ） (2021-03-22T18:06:58Z)
Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。本手法では, 回折光学素子 (DOE) を用いる。 DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
論文参考訳（メタデータ） (2020-09-01T14:19:35Z)
Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
論文参考訳（メタデータ） (2020-07-04T08:23:07Z)
Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文参考訳（メタデータ） (2020-03-15T23:07:56Z)
Class-Specific Blind Deconvolutional Phase Retrieval Under a Generative Prior [8.712404218757733]
この問題はフーリエ・プチコグラフィー、X線結晶学、可視光通信など様々な画像モダリティで発生する。本稿では,事前訓練された2つの深層生成ネットワークの下での交互勾配降下アルゴリズムを用いて,この逆問題の解法を提案する。提案アルゴリズムは,前向き測定モデルを説明する各前駆体の範囲内で,シャープな画像とぼやけたカーネルを見つけ出そうとする。
論文参考訳（メタデータ） (2020-02-28T07:36:28Z)

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。