論文の概要: Noise-Adaptive Intelligent Programmable Meta-Imager
- arxiv url: http://arxiv.org/abs/2208.10171v1
- Date: Mon, 22 Aug 2022 09:36:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-23 14:45:20.094654
- Title: Noise-Adaptive Intelligent Programmable Meta-Imager
- Title(参考訳): 雑音適応型知的プログラマブルメタイメージ
- Authors: Chenqi Qian, Philipp del Hougne
- Abstract要約: 本稿では,異なる種類のノイズに適応する,インテリジェントなプログラム可能な計算メタイメージングを提案する。
学習した照明パターンがノイズにどのように依存するかを研究する。
ノイズ適応型知的メタイメージングは、従来の擬似ランダム照明パターンよりも優れています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present an intelligent programmable computational meta-imager that tailors
its sequence of coherent scene illuminations not only to a specific
information-extraction task (e.g., object recognition) but also adapts to
different types and levels of noise. We systematically study how the learned
illumination patterns depend on the noise, and we discover that trends in
intensity and overlap of the learned illumination patterns can be understood
intuitively. We conduct our analysis based on an analytical coupled-dipole
forward model of a microwave dynamic metasurface antenna (DMA); we formulate a
differentiable end-to-end information-flow pipeline comprising the programmable
physical measurement process including noise as well as the subsequent digital
processing layers. This pipeline allows us to jointly inverse-design the
programmable physical weights (DMA configurations that determine the coherent
scene illuminations) and the trainable digital weights. Our noise-adaptive
intelligent meta-imager outperforms the conventional use of pseudo-random
illumination patterns most clearly under conditions that make the extraction of
sufficient task-relevant information challenging: latency constraints (limiting
the number of allowed measurements) and strong noise. Programmable microwave
meta-imagers in indoor surveillance and earth observation will be confronted
with these conditions.
- Abstract(参考訳): 本稿では,特定の情報抽出タスク(オブジェクト認識など)だけでなく,異なる種類の雑音にも適応する,コヒーレントなシーンイルミネーションのシーケンスを調整した,インテリジェントなプログラマブルな計算メタイメージシステムを提案する。
学習照明パターンが騒音にどう依存するかを体系的に研究し,学習照明パターンの強度と重なりの傾向を直感的に理解できることを見出した。
我々は,マイクロ波動的メタサーフェスアンテナ(dma)の解析結合双極子フォワードモデルに基づいて解析を行い,ノイズを含むプログラマブルな物理計測プロセスと,それに続くディジタル処理層からなる微分可能なエンドツーエンド情報フローパイプラインを定式化する。
このパイプラインは、プログラム可能な物理重み(コヒーレントなシーン照明を決定するDMA構成)とトレーニング可能なデジタル重みを共同で設計することを可能にする。
ノイズ適応型知的メタイメージングは、従来の擬似ランダム照明パターンを、十分なタスク関連情報の抽出を困難にする条件下において、遅延制約(許容測定回数の制限)と強いノイズ下で、明らかに優れています。
屋内監視と地球観測のプログラム可能なマイクロ波メタイメージングは、これらの状況に直面する。
関連論文リスト
- Realistic Noise Synthesis with Diffusion Models [68.48859665320828]
Deep Image Denoisingモデルは、しばしば高品質なパフォーマンスのために大量のトレーニングデータに依存します。
本稿では,拡散モデル,すなわちRealistic Noise Synthesize Diffusor(RNSD)を用いて現実的な雑音を合成する新しい手法を提案する。
RNSDは、より現実的なノイズや空間的相関を複数の周波数で生成できるような、ガイド付きマルチスケールコンテンツを組み込むことができる。
論文 参考訳(メタデータ) (2023-05-23T12:56:01Z) - Representing Noisy Image Without Denoising [120.08257941277321]
ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。
従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
論文 参考訳(メタデータ) (2023-01-18T10:13:29Z) - Toward deep-learning-assisted spectrally-resolved imaging of magnetic
noise [52.77024349608834]
本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。
これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
論文 参考訳(メタデータ) (2022-08-01T19:18:26Z) - DeepRM: Deep Recurrent Matching for 6D Pose Refinement [77.34726150561087]
DeepRMは、6Dポーズ改善のための新しいリカレントネットワークアーキテクチャである。
アーキテクチャにはLSTMユニットが組み込まれ、各改善ステップを通じて情報を伝達する。
DeepRMは、2つの広く受け入れられている課題データセットで最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-05-28T16:18:08Z) - 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) - Lightweight HDR Camera ISP for Robust Perception in Dynamic Illumination
Conditions via Fourier Adversarial Networks [35.532434169432776]
照明とノイズ除去の逐次的バランスをとる軽量な2段階画像強調アルゴリズムを提案する。
また、異なる照明条件下での一貫した画像強調のためのフーリエスペクトルベース対向フレームワーク(AFNet)を提案する。
また,定量的および定性的な評価に基づいて,画像強調技術が共通認識タスクの性能に与える影響について検討した。
論文 参考訳(メタデータ) (2022-04-04T18:48:51Z) - Neuromorphic Camera Denoising using Graph Neural Network-driven
Transformers [3.805262583092311]
ニューロモルフィック・ビジョン(Neuromorphic vision)は、コンピュータビジョンコミュニティのパラダイムシフトを引き起こしたバイオインスパイアされた技術である。
ニューロモルフィックカメラは、かなりの量の計測ノイズに悩まされている。
このノイズは、ニューロモルフィック事象に基づく知覚とナビゲーションアルゴリズムの性能を劣化させる。
論文 参考訳(メタデータ) (2021-12-17T18:57:36Z) - Convolutional Deep Denoising Autoencoders for Radio Astronomical Images [0.0]
我々は、最先端の電波望遠鏡の合成画像に、畳み込み復号化オートエンコーダ(Convolutional Denoising Autoencoder)と呼ばれる機械学習技術を適用した。
我々のオートエンコーダは、器用感度の限界でかすかな物体を識別し、抽出する複雑な画像を効果的に識別することができる。
論文 参考訳(メタデータ) (2021-10-16T17:08:30Z) - 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) - Learned Camera Gain and Exposure Control for Improved Visual Feature
Detection and Matching [12.870196901446208]
我々は、環境照明の変化を考慮に入れたデータ駆動型アプローチを探求し、ビジュアル・オドメトリー(VO)や視覚同時像定位マッピング(SLAM)で使用する画像の品質を改善した。
我々は、カメラゲインと露出時間パラメータを予測的に調整するために、深層畳み込みニューラルネットワークモデルを訓練する。
我々は、我々のネットワークが劇的な照明変化を予想し、補うことができるような、広範囲な実世界の実験を通して実証する。
論文 参考訳(メタデータ) (2021-02-08T16:46:09Z)
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。