論文の概要: Image quality enhancement of embedded holograms in holographic
information hiding using deep neural networks
- arxiv url: http://arxiv.org/abs/2112.11246v1
- Date: Mon, 20 Dec 2021 01:21:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-23 02:17:57.064391
- Title: Image quality enhancement of embedded holograms in holographic
information hiding using deep neural networks
- Title(参考訳): 深層ニューラルネットワークを用いたホログラフィック情報隠蔽における埋め込みホログラムの画質向上
- Authors: Tomoyoshi Shimobaba and Sota Oshima and Takashi Kakue and and
Tomoyoshi Ito
- Abstract要約: 埋め込みホログラムの明るさはホストホログラムの明るさのごく一部に設定され、ホストホログラムのほとんど損傷を受けていない。
埋め込みホログラムの再構成画像は、再構成されたホスト画像よりも暗いため、知覚することは困難である。
本研究では、深層ニューラルネットワークを用いて暗色画像の復元を行う。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Holographic information hiding is a technique for embedding holograms or
images into another hologram, used for copyright protection and steganography
of holograms. Using deep neural networks, we offer a way to improve the visual
quality of embedded holograms. The brightness of an embedded hologram is set to
a fraction of that of the host hologram, resulting in a barely damaged
reconstructed image of the host hologram. However, it is difficult to perceive
because the embedded hologram's reconstructed image is darker than the
reconstructed host image. In this study, we use deep neural networks to restore
the darkened image.
- Abstract(参考訳): ホログラム情報隠蔽はホログラムや画像を別のホログラムに埋め込む技術であり、ホログラムの著作権保護とステガノグラフィーに用いられる。
ディープニューラルネットワークを用いて、埋め込みホログラムの視覚的品質を改善する方法を提供する。
埋め込みホログラムの明るさはホストホログラムの明るさの分数に設定され、ホストホログラムの再構成画像はほとんど損傷しない。
しかし, ホログラムの再構成画像は再構成されたホスト画像よりも暗いため, 知覚が難しい。
本研究では,深層ニューラルネットワークを用いて暗画像の復元を行う。
関連論文リスト
- OAH-Net: A Deep Neural Network for Hologram Reconstruction of Off-axis Digital Holographic Microscope [5.835347176172883]
本稿では, 深層学習とオフ軸ホログラフィの物理原理を融合した新しい再構成手法を提案する。
我々のオフ軸ホログラムネットワーク(OAH-Net)は、ハードウェアに起因する測定誤差範囲内にある誤差のある位相および振幅画像を取得する。
この能力は、生物学的および医学の両方でオフ軸ホログラフィーの応用をさらに拡大する。
論文 参考訳(メタデータ) (2024-10-17T14:25:18Z) - Holo-VQVAE: VQ-VAE for phase-only holograms [1.534667887016089]
ホログラフィーは視覚技術革新の最前線にあり、光波振幅と位相の操作による没入型3次元可視化を提供する。
ホログラム生成に関する最近の研究は、主に画像からホログラムへの変換に焦点を当てており、既存の画像からホログラムを生成する。
位相限定ホログラム(POHs)に適した新規な生成フレームワークであるHolo-VQVAEについて述べる。
論文 参考訳(メタデータ) (2024-03-29T15:27:28Z) - Dual Pyramid Generative Adversarial Networks for Semantic Image
Synthesis [94.76988562653845]
セマンティック画像合成の目標は、セマンティックラベルマップからフォトリアリスティック画像を生成することである。
しかし、現在の最先端のアプローチは、さまざまなスケールで画像で現実的なオブジェクトを生成するのに依然として苦労している。
本研究では,空間適応型正規化ブロックの条件付けを各スケールで同時に学習するDual Pyramid Generative Adversarial Network (DP-GAN)を提案する。
論文 参考訳(メタデータ) (2022-10-08T18:45:44Z) - Is Deep Image Prior in Need of a Good Education? [57.3399060347311]
画像再構成に有効な先行画像として, 奥行き画像が導入された。
その印象的な再建性にもかかわらず、学習技術や伝統的な再建技術と比べてアプローチは遅い。
計算課題に対処する2段階の学習パラダイムを開発する。
論文 参考訳(メタデータ) (2021-11-23T15:08:26Z) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳(メタデータ) (2021-10-27T18:54:25Z) - Learned holographic light transport [2.642698101441705]
ホログラフィーアルゴリズムはしばしば物理ホログラフィーディスプレイの結果と一致するシミュレーションで不足する。
我々の研究はホログラフィックディスプレイのホログラフィック光輸送を学習することで、このミスマッチに対処する。
本手法はホログラフィックディスプレイのシミュレーション精度と画質を劇的に向上させることができる。
論文 参考訳(メタデータ) (2021-08-01T12:05:33Z) - Holographic image reconstruction with phase recovery and autofocusing
using recurrent neural networks [8.040329271747753]
デジタルホログラフィーは、バイオメディカルイメージングで最も広く使用されている顕微鏡技術の1つです。
ホログラムの欠落相情報の回復はホログラム画像再構成の重要なステップである。
ここでは、畳み込みリカレントニューラルネットワークに基づく位相回復手法を示す。
論文 参考訳(メタデータ) (2021-02-12T01:51:43Z) - Neural Sparse Representation for Image Restoration [116.72107034624344]
スパース符号化に基づく画像復元モデルの堅牢性と効率に触発され,深部ネットワークにおけるニューロンの空間性について検討した。
本手法は,隠れたニューロンに対する空間的制約を構造的に強制する。
実験により、複数の画像復元タスクのためのディープニューラルネットワークではスパース表現が不可欠であることが示されている。
論文 参考訳(メタデータ) (2020-06-08T05:15:17Z) - Deep DIH : Statistically Inferred Reconstruction of Digital In-Line
Holography by Deep Learning [1.4619386068190985]
デジタルインラインホログラフィーは、顕微鏡オブジェクトの2次元ホログラムから3次元画像を再構成するのに一般的に用いられる。
本稿では,シングルショットホログラム再構成のためのオートエンコーダに基づくディープラーニングアーキテクチャの実装を提案する。
論文 参考訳(メタデータ) (2020-04-25T20:39:25Z) - Deep CG2Real: Synthetic-to-Real Translation via Image Disentanglement [78.58603635621591]
画像空間における未ペアの合成-現実翻訳ネットワークの訓練は、厳しい制約下にある。
画像の非交叉シェーディング層とアルベド層に作用する半教師付きアプローチを提案する。
私たちの2段階のパイプラインはまず、物理ベースのレンダリングをターゲットとして、教師付き方法で正確なシェーディングを予測することを学習します。
論文 参考訳(メタデータ) (2020-03-27T21:45:41Z) - Exploiting Semantics for Face Image Deblurring [121.44928934662063]
本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。
顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。
提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
論文 参考訳(メタデータ) (2020-01-19T13:06:27Z)
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。