論文の概要: Deep Optical Coding Design in Computational Imaging
- arxiv url: http://arxiv.org/abs/2207.00164v1
- Date: Mon, 27 Jun 2022 04:41:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-10 13:44:10.736263
- Title: Deep Optical Coding Design in Computational Imaging
- Title（参考訳）: 計算画像における深部光学符号化設計
- Authors: Henry Arguello, Jorge Bacca, Hasindu Kariyawasam, Edwin Vargas, Miguel
Marquez, Ramith Hettiarachchi, Hans Garcia, Kithmini Herath, Udith
Haputhanthri, Balpreet Singh Ahluwalia, Peter So, Dushan N. Wadduwage,
Chamira U. S. Edussooriya
- Abstract要約: 計算光学画像(COI)システムは、そのセットアップにおいて光学的符号化要素(CE)を利用して、1つまたは複数のスナップショットで高次元シーンを符号化し、計算アルゴリズムを用いて復号する。
COIシステムの性能は、CEパターンと与えられたタスクを実行するのに使用される計算方法という、主要なコンポーネントの設計に大きく依存する。
ディープニューラルネットワーク(DNN)は、光エンコーダと計算デコーダを共同で検討するCEデータ駆動設計において、新たな地平を開拓した。
- 参考スコア（独自算出の注目度）: 16.615106763985942
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Computational optical imaging (COI) systems leverage optical coding elements
(CE) in their setups to encode a high-dimensional scene in a single or multiple
snapshots and decode it by using computational algorithms. The performance of
COI systems highly depends on the design of its main components: the CE pattern
and the computational method used to perform a given task. Conventional
approaches rely on random patterns or analytical designs to set the
distribution of the CE. However, the available data and algorithm capabilities
of deep neural networks (DNNs) have opened a new horizon in CE data-driven
designs that jointly consider the optical encoder and computational decoder.
Specifically, by modeling the COI measurements through a fully differentiable
image formation model that considers the physics-based propagation of light and
its interaction with the CEs, the parameters that define the CE and the
computational decoder can be optimized in an end-to-end (E2E) manner. Moreover,
by optimizing just CEs in the same framework, inference tasks can be performed
from pure optics. This work surveys the recent advances on CE data-driven
design and provides guidelines on how to parametrize different optical elements
to include them in the E2E framework. Since the E2E framework can handle
different inference applications by changing the loss function and the DNN, we
present low-level tasks such as spectral imaging reconstruction or high-level
tasks such as pose estimation with privacy preserving enhanced by using optimal
task-based optical architectures. Finally, we illustrate classification and 3D
object recognition applications performed at the speed of the light using
all-optics DNN.
- Abstract（参考訳）: 計算光学イメージング(coi)システムは、単一または複数のスナップショットで高次元のシーンを符号化し、計算アルゴリズムを用いて復号する光学符号化素子(ce)をセットアップで利用する。
COIシステムの性能は、CEパターンと与えられたタスクを実行するために使用される計算方法という主要なコンポーネントの設計に大きく依存する。
従来のアプローチはCEの分布を設定するためにランダムパターンや分析設計に依存していた。
しかし、深層ニューラルネットワーク(dnn)の利用可能なデータとアルゴリズム能力は、光エンコーダと計算デコーダを共同で考慮するceデータ駆動設計の新たな地平を開いた。
具体的には、光の物理伝播とCEとの相互作用を考慮した、完全に微分可能な画像形成モデルを用いてCOI測定をモデル化することにより、CEと計算デコーダを定義するパラメータをエンドツーエンド(E2E)で最適化することができる。
さらに、同じフレームワークでCEだけを最適化することで、純粋な光学から推論タスクを実行することができる。
本稿では、CEデータ駆動設計の最近の進歩を調査し、異なる光学素子をE2Eフレームワークに組み込む方法に関するガイドラインを提供する。
e2eフレームワークは損失関数とdnnを変更することで異なる推論アプリケーションを処理できるため、スペクトル画像再構成やプライバシ保護によるポーズ推定のような低レベルタスクを最適タスクベースの光学アーキテクチャを用いて実現している。
最後に、全光学DNNを用いて、光の速度で行われる分類と3次元オブジェクト認識の応用について述べる。
関連論文リスト
- RETINA: a hardware-in-the-loop optical facility with reduced optical aberrations [0.0]
視覚に基づくナビゲーションアルゴリズムは、低コストで汎用的なセンサーで軌道上の宇宙船の状態を決定する効果的な解決策として自らを確立している。
実験室で軌道環境をエミュレートするために、専用のシミュレーションフレームワークを開発する必要がある。
本稿では,RETINAと呼ばれる低収差光学設備の設計について述べる。
論文 参考訳（メタデータ） (2024-07-02T11:26:37Z) - Highly Constrained Coded Aperture Imaging Systems Design Via a Knowledge Distillation Approach [15.662108754691864]
本稿では,高度に物理的に制約されたCOIシステムの設計のための知識蒸留(KD)フレームワークを提案する。
単色・マルチスペクトル画像再構成のためのバイナリ符号化開口単画素カメラを用いて,提案手法の有効性を検証した。
論文 参考訳（メタデータ） (2024-06-25T23:03:48Z) - Global Search Optics: Automatically Exploring Optimal Solutions to Compact Computational Imaging Systems [15.976326291076377]
モバイルビジョンの人気は、高度なコンパクト・コンピュート・イメージング・システムへの需要を生み出している。
共同設計パイプラインが最前線に現れ、2つの重要なコンポーネントがデータ駆動学習によって同時に最適化される。
本稿では,GSO(Global Search Optimization)を用いて,コンパクトな画像処理システムの設計を行う。
論文 参考訳（メタデータ） (2024-04-30T01:59:25Z) - Optical Quantum Sensing for Agnostic Environments via Deep Learning [59.088205627308]
本稿では,革新的な深層学習に基づく量子センシング手法を提案する。
これにより、光学量子センサーは、非依存環境でハイゼンベルク限界(HL)に達することができる。
我々の発見は、光学量子センシングタスクを加速する新しいレンズを提供する。
論文 参考訳（メタデータ） (2023-11-13T09:46:05Z) - Neural Lithography: Close the Design-to-Manufacturing Gap in
Computational Optics with a 'Real2Sim' Learned Photolithography Simulator [2.033983045970252]
計算光学における「デザイン・ツー・マニュファクチャリング」のギャップに対処するために,ニューラルリソグラフィを導入する。
本稿では,事前学習したフォトリソグラフィーシミュレータをモデルベース光設計ループに統合する,完全に微分可能な設計フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-29T15:50:26Z) - Physics-aware Differentiable Discrete Codesign for Diffractive Optical
Neural Networks [12.952987240366781]
本研究は,Diffractive Optical Neural Network (DONN) の効率的なトレーニングを可能にする,新しいデバイス間ハードウェア・ソフトウェア符号フレームワークを提案する。
Gumbel-Softmaxは、現実世界のデバイスパラメータからDONNの前方関数への微分可能な離散マッピングを可能にするために使用される。
その結果,提案手法は従来の量子化法に比べて大きな利点があることがわかった。
論文 参考訳（メタデータ） (2022-09-28T17:13:28Z) - Multitask AET with Orthogonal Tangent Regularity for Dark Object
Detection [84.52197307286681]
暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。
自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。
我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2022-05-06T16:27:14Z) - All-optical graph representation learning using integrated diffractive
photonic computing units [51.15389025760809]
フォトニックニューラルネットワークは、電子の代わりに光子を用いて脳にインスパイアされた計算を行う。
我々は、DGNN(diffractive graph neural network)と呼ばれる全光グラフ表現学習アーキテクチャを提案する。
ベンチマークデータベースを用いたノードおよびグラフレベルの分類タスクにおけるDGNN抽出機能の利用を実演し、優れた性能を実現する。
論文 参考訳（メタデータ） (2022-04-23T02:29:48Z) - Learning Deep Context-Sensitive Decomposition for Low-Light Image
Enhancement [58.72667941107544]
典型的なフレームワークは、照明と反射を同時に推定することであるが、特徴空間にカプセル化されたシーンレベルの文脈情報を無視する。
本研究では,空間スケールにおけるシーンレベルのコンテキスト依存を生かした,コンテキスト依存型分解ネットワークアーキテクチャを提案する。
チャネル数を減らして軽量なCSDNet(LiteCSDNet)を開発する。
論文 参考訳（メタデータ） (2021-12-09T06:25:30Z) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳（メタデータ） (2021-03-22T18:06:58Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z)
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。
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。