論文の概要: Sparse deep computer-generated holography for optical microscopy

• arxiv url: http://arxiv.org/abs/2111.15178v1
• Date: Tue, 30 Nov 2021 07:34:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-01 16:19:01.325804
• Title: Sparse deep computer-generated holography for optical microscopy
• Title（参考訳）: 光顕微鏡用深部コンピュータホログラフィー
• Authors: Alex Liu, Laura Waller, Yi Xue
• Abstract要約: コンピュータ生成ホログラフィー(CGH)は、ダイレクトビューディスプレイ、バーチャルおよび拡張現実、光学顕微鏡などの幅広い応用がある。 光学顕微鏡のための教師なし生成モデルを用いてCGHアルゴリズムを提案し、3D選択照明を合成する。 このアルゴリズムはスパースディープCGHと呼ばれ、従来のCGHアルゴリズムよりも高コントラストの大きい大きな3次元ボリュームでスパース分散ポイントを生成することができる。
• 参考スコア（独自算出の注目度）: 2.578242050187029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer-generated holography (CGH) has broad applications such as direct-view display, virtual and augmented reality, as well as optical microscopy. CGH usually utilizes a spatial light modulator that displays a computer-generated phase mask, modulating the phase of coherent light in order to generate customized patterns. The algorithm that computes the phase mask is the core of CGH and is usually tailored to meet different applications. CGH for optical microscopy usually requires 3D accessibility (i.e., generating overlapping patterns along the $z$-axis) and micron-scale spatial precision. Here, we propose a CGH algorithm using an unsupervised generative model designed for optical microscopy to synthesize 3D selected illumination. The algorithm, named sparse deep CGH, is able to generate sparsely distributed points in a large 3D volume with higher contrast than conventional CGH algorithms.
• Abstract（参考訳）: コンピュータ生成ホログラフィー(CGH)は、ダイレクトビューディスプレイ、バーチャルおよび拡張現実、光学顕微鏡などの幅広い応用がある。 CGHは通常、コンピュータ生成フェーズマスクを表示する空間光変調器を使用し、コヒーレント光の位相を変調して、カスタマイズされたパターンを生成する。 位相マスクを計算するアルゴリズムはcghのコアであり、通常異なる用途に対応するために調整される。 光学顕微鏡用CGHは通常3Dアクセシビリティ(すなわち、$z$-軸に沿って重なり合うパターンを生成する)とミクロンスケールの空間精度を必要とする。 本稿では,光学顕微鏡を用いた3次元照明合成のための教師なし生成モデルを用いたcghアルゴリズムを提案する。 このアルゴリズムはスパースディープCGHと呼ばれ、従来のCGHアルゴリズムよりも高コントラストの大きい大きな3次元ボリュームでスパース分散ポイントを生成することができる。

関連論文リスト

• Large Spatial Model: End-to-end Unposed Images to Semantic 3D [79.94479633598102]
  大空間モデル(LSM)は、RGB画像を直接意味的放射場に処理する。 LSMは、単一のフィードフォワード操作における幾何学、外観、意味を同時に推定する。 新しい視点で言語と対話することで、多目的ラベルマップを生成することができる。
  論文  参考訳（メタデータ） (2024-10-24T17:54:42Z)
• L3DG: Latent 3D Gaussian Diffusion [74.36431175937285]
  L3DGは3次元ガウス拡散定式化による3次元ガウスの3次元モデリングのための最初のアプローチである。 我々は、部屋の大きさのシーンで効率的に操作するために、スパース畳み込みアーキテクチャーを用いている。 3Dガウス表現を利用することで、生成されたシーンを任意の視点からリアルタイムでレンダリングすることができる。
  論文  参考訳（メタデータ） (2024-10-17T13:19:32Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Computational 3D topographic microscopy from terabytes of data per sample [2.4657541547959387]
  我々は6ギガピクセルのプロファイログラフィー3Dイメージングをミクロンスケールの解像度で行うことができる大規模3Dトポグラフィー顕微鏡を提案する。 我々は、オールインフォーカス光度合成と3次元高さマップを共同で推定する3次元再構成と縫合のための自己教師型ニューラルネットワークベースのアルゴリズムを開発した。 計算顕微鏡の汎用性を実証するため,STARCAMを様々なデシメータスケールの物体に適用した。
  論文  参考訳（メタデータ） (2023-06-05T07:09:21Z)
• CGOF++: Controllable 3D Face Synthesis with Conditional Generative Occupancy Fields [52.14985242487535]
  生成した顔画像の3次元制御性を実現する条件付き3次元顔合成フレームワークを提案する。 中心となるのは条件付き生成操作場(cGOF++)であり、それによって生成された顔の形状が与えられた3Dモルファブルモデル(3DMM)メッシュに適合するように効果的に強制される。 提案手法の有効性を検証し, 最先端の2次元顔合成法よりも高精度な3次元制御性を示す実験を行った。
  論文  参考訳（メタデータ） (2022-11-23T19:02:50Z)
• Time-multiplexed Neural Holography: A flexible framework for holographic near-eye displays with fast heavily-quantized spatial light modulators [44.73608798155336]
  ホログラフィックの近眼ディスプレイは、バーチャルおよび拡張現実システムに前例のない機能を提供する。 このようなホログラム近眼ディスプレイのカメラ校正波伝搬モデルの進歩を報告する。 我々のフレームワークは,2Dおよび2.5D RGBDイメージ,3D焦点スタック,4D光フィールドなど,さまざまなタイプのコンテンツで実行時の監視を支援するために柔軟である。
  論文  参考訳（メタデータ） (2022-05-05T00:03:50Z)
• Optimization of phase-only holograms calculated with scaled diffraction calculation through deep neural networks [6.554534012462403]
  コンピュータ生成ホログラム(CGHs)はホログラフィック3次元ディスプレイやホログラフィック投影に用いられる。 位相のみのCGHを用いた再構成画像の品質は、再構成画像の振幅の制御が難しいため劣化する。 本研究では,大規模回折計算と無作為位相自由法を用いて生成した位相のみのCGHをディープラーニングで最適化する。
  論文  参考訳（メタデータ） (2021-12-02T00:14:11Z)
• Lensless multicore-fiber microendoscope for real-time tailored light field generation with phase encoder neural network (CoreNet) [0.5505013339790825]
  新しい位相深層ニューラルネットワーク(CoreNet)は、近ビデオレートでMCFエンコーダのための正確な調整されたCGHを生成することができる。 CoreNetは、2等級の計算時間を高速化し、生成された光場の忠実度を高めることができる。 これは、リアルタイムセルローテーションの道と、バイオメディシンにおけるリアルタイムの高忠実な光の伝達を必要とするいくつかの応用を舗装する。
  論文  参考訳（メタデータ） (2021-11-24T19:37:32Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)
• Programmable 3D snapshot microscopy with Fourier convolutional networks [3.2156268397508314]
  3Dスナップショット顕微鏡は、単一の2Dカメラ画像で3Dボリュームをキャプチャすることにより、カメラと同じくらい高速なボリュームイメージングを可能にします。 3Dスナップショット画像にエンコードされたグローバル混合情報を効率的に統合できるグローバルカーネルフーリエ畳み込みニューラルネットワークのクラスを紹介します。
  論文  参考訳（メタデータ） (2021-04-21T16:09:56Z)

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。