Fugu-MT 論文翻訳(概要): Heralded single-pixel imaging with high loss-resistance and noise-robustness

論文の概要: Heralded single-pixel imaging with high loss-resistance and noise-robustness

arxiv url: http://arxiv.org/abs/2112.01648v1
Date: Fri, 3 Dec 2021 00:03:09 GMT
ステータス: 処理完了
システム内更新日: 2023-03-06 00:18:44.854135
Title: Heralded single-pixel imaging with high loss-resistance and noise-robustness
Title（参考訳）: 高損失耐性とノイズロスバスト性を有する一画素画像
Authors: Junghyun Kim, Taek Jeong, Su-Yong Lee, Duk Y. Kim, Dongkyu Kim, Sangkyung Le, Yong Sup Ihn, Zaeill Kim, and Yonggi Jo
Abstract要約: 鮮明な背景雑音や信号損失に対して極めて頑健な1画素画像が得られた。我々の研究は、高度にスケーラブルな光子容量を持つ相関イメージングを可能にする。
参考スコア（独自算出の注目度）: 0.8528726296974933
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Imaging with non-classically correlated photon-pairs takes advantages over classical limits in terms of sensitivity and signal-to-noise ratio. However, it is still a challenge to achieve a strong resilience to background noise and losses for practical applications. In this work, we present heralded single-pixel imaging that is remarkably robust against bright background noise and severe signal losses. Using a strong temporal correlation between a photon-pair and joint measurement-based imaging method, we achieve the suppression of noise up to 1000 times larger than the signal and also demonstrate the correlation-induced SNR enhancement factor of over 200 against 70 times larger noise and a 90% signal loss compared to non-time-gated classical imaging. Our work enables correlated imaging with a highly scalable photon capacity.
Abstract（参考訳）: 非古典的相関の光子対によるイメージングは、感度と信号対雑音比の古典的限界よりも有利である。しかし,背景雑音に対する強い弾力性と実用的応用への損失を達成することは依然として課題である。本研究では,明るい背景雑音や信号損失に対して極めて頑健なヘラルド単一画素イメージングを提案する。光ペアとジョイント計測に基づく画像の強い時間相関を用いて、信号の1000倍までのノイズの抑制と、70倍のノイズに対する200以上の相関誘発snrの促進係数と、非時差の古典的画像と比較して90%の信号損失を示す。我々の研究は、高度にスケーラブルな光子容量を持つ相関イメージングを可能にする。

関連論文リスト

Neural-Network-Enhanced Metalens Camera for High-Definition, Dynamic Imaging in the Long-Wave Infrared Spectrum [14.057686919233646]
我々は、シングルトを用いた長波長赤外線イメージングのための軽量で費用対効果の高いソリューションを開発した。我々は,高周波化サイクル-GANニューラルネットワークをメタレンスイメージングシステムに統合する。我々のカメラは、12.58のエンドポイント誤差値で毎秒125フレームのダイナミックイメージングを実現することができる。
論文参考訳（メタデータ） (2024-11-26T06:09:45Z)
Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
論文参考訳（メタデータ） (2023-07-12T00:01:00Z)
Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文参考訳（メタデータ） (2023-05-17T13:56:48Z)
SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文参考訳（メタデータ） (2022-06-09T14:00:26Z)
Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-04-05T12:46:36Z)
Robust photon-efficient imaging using a pixel-wise residual shrinkage network [7.557893223548758]
単光子光検出・測光(LiDAR)は、挑戦的なシナリオで3Dイメージングに広く応用されている。収集されたデータの信号光子数と高雑音は深度画像の正確な予測に大きな課題をもたらしました高雑音データからの光子効率イメージングのための画素ワイド残差縮小ネットワークを提案する。
論文参考訳（メタデータ） (2022-01-05T05:08:12Z)
Noise-robust single-pixel imaging in photon counting regime with a pulsed source [0.8528726296974933]
パルス源を用いた光子計数系における単画素画像のノイズロス性を向上させる手法を提案する。従来の量子エンハンスで古典的に拡張されたスキームで得られた3つの異なる画像を比較した。
論文参考訳（メタデータ） (2021-12-13T06:41:54Z)
Noise-Tolerant Object Detection and Ranging Using Quantum Correlations [0.0]
雑音の背景に埋め込まれた物体の検出において,時間相関だけでなく光子対の偏光相関を利用する利点を紹介する。相関対の結合測定により、ノイズ光子と信号の区別が可能となり、信号対雑音比が向上することが判明した。
論文参考訳（メタデータ） (2021-11-07T12:04:42Z)
Physics-based Noise Modeling for Extreme Low-light Photography [63.65570751728917]
CMOS光センサの撮像パイプラインにおけるノイズ統計について検討する。実雑音構造を正確に特徴付けることのできる包括的ノイズモデルを定式化する。我々のノイズモデルは、学習に基づく低照度復調アルゴリズムのためのリアルなトレーニングデータを合成するのに利用できる。
論文参考訳（メタデータ） (2021-08-04T16:36:29Z)
Blur, Noise, and Compression Robust Generative Adversarial Networks [85.68632778835253]
劣化画像から直接クリーンな画像生成装置を学習するために, ぼかし, ノイズ, 圧縮堅牢なGAN(BNCR-GAN)を提案する。 NR-GANにインスパイアされたBNCR-GANは、画像、ぼやけたカーネル、ノイズ、品質要素ジェネレータで構成される多重ジェネレータモデルを使用する。 CIFAR-10の大規模比較とFFHQの一般性解析によるBNCR-GANの有効性を実証する。
論文参考訳（メタデータ） (2020-03-17T17:56:22Z)

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。