論文の概要: Single pixel imaging at high pixel resolutions
- arxiv url: http://arxiv.org/abs/2206.02510v1
- Date: Mon, 6 Jun 2022 11:44:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-07 18:00:57.135387
- Title: Single pixel imaging at high pixel resolutions
- Title(参考訳): 高解像度単一画素イメージング
- Authors: Rafa{\l} Stojek, Anna Pastuszczak, Piotr Wr\'obel, Rafa{\l} Koty\'nski
- Abstract要約: スパース画像に対して,DMDの解像度がわずか1秒しか持たないフル解像度の画像計測が可能であることを示す。
我々は,0.3ドルの時間内に,スパース画像を1024×768ドルの解像度で再構成できるサンプリング・再構成戦略を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The usually reported pixel resolution of single pixel imaging (SPI) varies
between $32 \times 32$ and $256 \times 256$ pixels falling far below imaging
standards with classical methods. Low resolution results from the trade-off
between the acceptable compression ratio, the limited DMD modulation frequency,
and reasonable reconstruction time, and has not improved significantly during
the decade of intensive research on SPI. In this paper we show that image
measurement at the full resolution of the DMD, which lasts only a fraction of a
second, is possible for sparse images or in a situation when the field of view
is limited but is a priori unknown. We propose the sampling and reconstruction
strategies that enable us to reconstruct sparse images at the resolution of
$1024 \times 768$ within the time of $0.3~$s. Non-sparse images are
reconstructed with less details. The compression ratio is on the order of $0.4
\%$ which corresponds to an acquisition frequency of $7~$Hz. Sampling is
differential, binary, and non-adaptive, and includes information on multiple
partitioning of the image which later allows us to determine the actual field
of view. Reconstruction is based on the differential Fourier domain regularized
inversion (D-FDRI). The proposed SPI framework is an alternative to both
adaptive SPI, which is challenging to implement in real time, and to classical
compressive sensing image recovery methods, which are very slow at high
resolutions.
- Abstract(参考訳): 通常報告されているシングルピクセルイメージング(spi)のピクセル解像度は32 \times 32$から256 \times 256$のピクセルで、従来の方法では画像標準よりはるかに低い。
低分解能化は, 許容圧縮比, 限られたDMD変調周波数, 合理的復元時間とのトレードオフによるものであり, SPI研究の10年間では著しく改善されていない。
本稿では,dmdの解像度が1秒に満たない全解像度で画像計測が可能であり,視野が限定されているが先行しない状況でも画像の疎在化が可能であることを示す。
我々は、0.3~$sの時間内に1024 \times 768$の解像度でスパース画像を再構成できるサンプリングおよび再構成戦略を提案する。
非スパース画像は少ない詳細で再構成される。
圧縮比は$0.4 \%$の順であり、これは7〜$hzの獲得周波数に対応する。
サンプリングは差分であり、バイナリであり、非適応であり、画像の複数の分割に関する情報を含んでいる。
再構成は微分フーリエ領域正規化反転(D-FDRI)に基づいている。
提案するSPIフレームワークは,リアルタイムに実装が難しい適応型SPIと,高解像度で非常に遅い古典的圧縮センシング画像回復手法の両方に代わるものである。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳(メタデータ) (2024-10-05T20:03:57Z) - Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。
ストレージの要求が大きいため、一般ユーザからは広く採用されていない。
本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-21T06:59:07Z) - Exploring Resolution Fields for Scalable Image Compression with
Uncertainty Guidance [47.96024424475888]
本研究では,スケーラブルな画像圧縮における分解能場の可能性について検討する。
本稿では,より適応的で多目的な圧縮を実現するための相互ピラミッドネットワーク(RPN)を提案する。
実験は、既存の古典的およびディープラーニングベースのスケーラブルコーデックに対するRPNの優位性を示している。
論文 参考訳(メタデータ) (2023-06-15T08:26:24Z) - CoordFill: Efficient High-Resolution Image Inpainting via Parameterized
Coordinate Querying [52.91778151771145]
本稿では,近年の連続的暗黙表現の発達により,その限界を初めて破ろうとする。
実験の結果,提案手法はGTX 2080 Ti GPUを用いて2048$times$2048の画像をリアルタイムに処理できることがわかった。
論文 参考訳(メタデータ) (2023-03-15T11:13:51Z) - Raising The Limit Of Image Rescaling Using Auxiliary Encoding [7.9700865143145485]
近年、IRNのような画像再スケーリングモデルは、INNの双方向性を利用して、画像アップスケーリングのパフォーマンス限界を押し上げている。
本稿では,画像再スケーリング性能の限界をさらに押し上げるために,補助符号化モジュールを提案する。
論文 参考訳(メタデータ) (2023-03-12T20:49:07Z) - Proxy-bridged Image Reconstruction Network for Anomaly Detection in
Medical Images [59.700111685673846]
医学画像における異常検出は、トレーニングセット内の正常画像のみを含む異常画像の識別を指す。
本稿では,医療画像の異常検出のための新しいプロキシブリッジ画像再構成ネットワーク(ProxyAno)を提案する。
論文 参考訳(メタデータ) (2021-10-05T00:40:43Z) - SPI-GAN: Towards Single-Pixel Imaging through Generative Adversarial
Network [6.722629246312285]
本稿では,SPI-GANと呼ばれる一画素イメージングのための生成的対向的ネットワークベース再構成フレームワークを提案する。
サンプリング比が5%に低下しても、17.92dBのPSNRと0.487のSSIMで画像を再構成することができる。
論文 参考訳(メタデータ) (2021-07-03T03:06:09Z) - TWIST-GAN: Towards Wavelet Transform and Transferred GAN for
Spatio-Temporal Single Image Super Resolution [4.622977798361014]
単一画像スーパーレゾリューション(sisr)は、空間解像度の低いリモートセンシング画像から、微細な空間解像度を持つ高解像度画像を生成する。
深層学習とGAN(Generative Adversarial Network)は、単一画像超解像(SISR)の課題を突破した。
論文 参考訳(メタデータ) (2021-04-20T22:12:38Z) - Hyperspectral Image Super-resolution via Deep Progressive Zero-centric
Residual Learning [62.52242684874278]
空間情報とスペクトル情報の相互モダリティ分布が問題となる。
本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。
本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
論文 参考訳(メタデータ) (2020-06-18T06:32:11Z)
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。