論文の概要: Untrained networks for compressive lensless photography

• arxiv url: http://arxiv.org/abs/2103.07609v1
• Date: Sat, 13 Mar 2021 03:47:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-18 04:23:40.358582
• Title: Untrained networks for compressive lensless photography
• Title（参考訳）: 圧縮レンズレス撮影のための無訓練ネットワーク
• Authors: Kristina Monakhova, Vi Tran, Grace Kuo, Laura Waller
• Abstract要約: 圧縮画像復元のための未学習ネットワークの利用を提案する。 我々の手法はラベル付きトレーニングデータを必要としないが、代わりに測定自体を使ってネットワークの重みを更新する。
• 参考スコア（独自算出の注目度）: 3.441021278275805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compressive lensless imagers enable novel applications in an extremely compact device, requiring only a phase or amplitude mask placed close to the sensor. They have been demonstrated for 2D and 3D microscopy, single-shot video, and single-shot hyperspectral imaging; in each of these cases, a compressive-sensing-based inverse problem is solved in order to recover a 3D data-cube from a 2D measurement. Typically, this is accomplished using convex optimization and hand-picked priors. Alternatively, deep learning-based reconstruction methods offer the promise of better priors, but require many thousands of ground truth training pairs, which can be difficult or impossible to acquire. In this work, we propose the use of untrained networks for compressive image recovery. Our approach does not require any labeled training data, but instead uses the measurement itself to update the network weights. We demonstrate our untrained approach on lensless compressive 2D imaging as well as single-shot high-speed video recovery using the camera's rolling shutter, and single-shot hyperspectral imaging. We provide simulation and experimental verification, showing that our method results in improved image quality over existing methods.
• Abstract（参考訳）: 圧縮レンズレス撮像装置は、センサーの近くに位相または振幅マスクを配置するだけで、非常にコンパクトなデバイスで新しい応用を可能にする。 2dおよび3d顕微鏡、シングルショットビデオ、シングルショットハイパースペクトラルイメージングで実証されており、それぞれの場合において、2d計測から3dデータキューブを回収するために圧縮センシングに基づく逆問題を解く。 通常、これは凸最適化とハンドピックプリエントを使って達成される。 あるいは、ディープラーニングに基づく再構築手法は、より良い事前の約束を提供するが、何千もの真実のトレーニングペアを必要とするため、取得は困難または不可能である。 本研究では,圧縮画像回復のための非トレーニングネットワークを提案する。 我々の手法はラベル付きトレーニングデータを必要としないが、代わりに測定自体を使ってネットワークの重みを更新する。 我々は、レンズレス圧縮2Dイメージングの非トレーニングアプローチと、カメラのローリングシャッターを用いたシングルショット高速ビデオリカバリ、シングルショットハイパースペクトルイメージングを実証した。 シミュレーションと実験による検証を行い,既存の手法よりも画質が向上したことを示す。

関連論文リスト

• GANESH: Generalizable NeRF for Lensless Imaging [12.985055542373791]
  GANESHは,レンズレス画像からの高精細化と新鮮視合成を実現するための新しいフレームワークである。 シーン固有のトレーニングを必要とする既存の方法とは異なり、本手法は各シーンで再トレーニングすることなく、オンザフライ推論をサポートする。 この領域の研究を容易にするために、最初のマルチビューレンズレスデータセットであるLenslessScenesも提示する。
  論文  参考訳（メタデータ） (2024-11-07T15:47:07Z)
• Metric3D: Towards Zero-shot Metric 3D Prediction from A Single Image [85.91935485902708]
  ゼロショット単視距離深度モデルの鍵は、大規模データトレーニングと様々なカメラモデルからの距離あいまいさの解消の組合せにあることを示す。 本稿では,あいまいさ問題に明示的に対処し,既存の単分子モデルにシームレスに接続可能な標準カメラ空間変換モジュールを提案する。 本手法は, ランダムに収集したインターネット画像上での計測3次元構造の正確な復元を可能にする。
  論文  参考訳（メタデータ） (2023-07-20T16:14:23Z)
• Shakes on a Plane: Unsupervised Depth Estimation from Unstabilized Photography [54.36608424943729]
  2秒で取得した12メガピクセルのRAWフレームの「長バースト」では,自然手震動のみからの視差情報で高品質のシーン深度を回復できることが示されている。 我々は、長時間バーストデータにニューラルRGB-D表現を適合させるテスト時間最適化手法を考案し、シーン深度とカメラモーションを同時に推定する。
  論文  参考訳（メタデータ） (2022-12-22T18:54:34Z)
• DH-GAN: A Physics-driven Untrained Generative Adversarial Network for 3D Microscopic Imaging using Digital Holography [3.4635026053111484]
  デジタルホログラフィー(Digital holography)は、平面波面を持つレーザービームを物体に放出し、ホログラムと呼ばれる回折波形の強度を測定する3Dイメージング技術である。 近年,より正確なホログラフィック処理に深層学習(DL)法が用いられている。 本稿では, 識別ネットワークを用いて, 復元品質のセマンティック尺度を実現する, 生成的敵ネットワークに基づく新しいDLアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:13:45Z)
• Perspective Flow Aggregation for Data-Limited 6D Object Pose Estimation [121.02948087956955]
  宇宙や水中の深層などのいくつかのアプリケーションでは、実際の画像を取得することは、注釈のないものであっても、事実上不可能である。 本稿では,合成画像のみに限定してトレーニングできる手法を提案する。 これは、アノテートされた実画像を必要としない場合、トレーニングのためにアノテートされた実画像を必要とするメソッドと同等に動作し、20個の実画像を使用する場合、かなりパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2022-03-18T10:20:21Z)
• Visual Enhanced 3D Point Cloud Reconstruction from A Single Image [5.3168057389710075]
  本稿では,境界に重きを置くことで,単一の画像から詳細な3次元点雲を復元できるフレームワークを提案する。 実験の結果,提案手法は既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-08-17T15:31:35Z)
• Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
  本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。 本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。 また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2021-02-02T16:10:15Z)
• Mesoscopic photogrammetry with an unstabilized phone camera [8.210210271599134]
  本稿では,3次元mesoscopic (mm-scale height variation)画像の定量化を可能にする特徴のないフォトグラム計算手法を提案する。 当社のエンドツーエンドのピクセル強度ベースのアプローチは、すべての画像を共同で登録し、整列高さマップを推定します。 また,他の複数フレーム登録問題に適用可能な時間とメモリの削減戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-11T00:09:18Z)
• Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled Representation [57.11299763566534]
  空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。 我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。 アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
  論文  参考訳（メタデータ） (2020-04-05T12:52:29Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。