論文の概要: Unidirectional Imaging using Deep Learning-Designed Materials
- arxiv url: http://arxiv.org/abs/2212.02025v1
- Date: Mon, 5 Dec 2022 04:43:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 19:30:43.665205
- Title: Unidirectional Imaging using Deep Learning-Designed Materials
- Title（参考訳）: 深層学習材料を用いた一方向イメージング
- Authors: Jingxi Li, Tianyi Gan, Yifan Zhao, Bijie Bai, Che-Yung Shen, Songyu
Sun, Mona Jarrahi, Aydogan Ozcan
- Abstract要約: 一方向撮像器は、入力フィールドオブビュー(FOV)Aから出力FOVB、及び逆経路における画像形成のみを許容する。
本稿では、線形で等方的な連続的な拡散層に基づく偏光非感性・ブロードバンド一方向イメージングによる一方向イメージの最初の実演を報告する。
これらの拡散層は深層学習を用いて最適化され、数十万の回折位相特徴で構成され、入力の強度画像を出力FOVに投影し、画像形成をブロックする。
- 参考スコア（独自算出の注目度）: 13.048762595058058
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A unidirectional imager would only permit image formation along one
direction, from an input field-of-view (FOV) A to an output FOV B, and in the
reverse path, the image formation would be blocked. Here, we report the first
demonstration of unidirectional imagers, presenting polarization-insensitive
and broadband unidirectional imaging based on successive diffractive layers
that are linear and isotropic. These diffractive layers are optimized using
deep learning and consist of hundreds of thousands of diffractive phase
features, which collectively modulate the incoming fields and project an
intensity image of the input onto an output FOV, while blocking the image
formation in the reverse direction. After their deep learning-based training,
the resulting diffractive layers are fabricated to form a unidirectional
imager. As a reciprocal device, the diffractive unidirectional imager has
asymmetric mode processing capabilities in the forward and backward directions,
where the optical modes from B to A are selectively guided/scattered to miss
the output FOV, whereas for the forward direction such modal losses are
minimized, yielding an ideal imaging system between the input and output FOVs.
Although trained using monochromatic illumination, the diffractive
unidirectional imager maintains its functionality over a large spectral band
and works under broadband illumination. We experimentally validated this
unidirectional imager using terahertz radiation, very well matching our
numerical results. Using the same deep learning-based design strategy, we also
created a wavelength-selective unidirectional imager, where two unidirectional
imaging operations, in reverse directions, are multiplexed through different
illumination wavelengths. Diffractive unidirectional imaging using structured
materials will have numerous applications in e.g., security, defense,
telecommunications and privacy protection.
- Abstract（参考訳）: 一方向撮像装置は、入力フィールドオブビュー(fov)aから出力fovbへの1方向に沿った画像形成のみを許可し、逆経路では画像形成をブロックする。
本稿では、線形で等方的な連続的な拡散層に基づく偏光非感性・ブロードバンド一方向イメージングによる一方向イメージの最初のデモンストレーションを報告する。
これらの回折層はディープラーニングを用いて最適化され、数十万の回折位相特徴で構成され、入力フィールドをまとめて変調し、入力の強度画像を出力fovに投影し、逆方向に画像形成をブロックする。
ディープラーニングベースのトレーニングの後、結果の回折層が作成され、一方向画像を形成する。
相反装置として、回折一方向撮像器は、BからAまでの光学モードを選択的に誘導・散乱して出力FOVを逃がす非対称モード処理機能を有し、一方、前方方向においてそのような変調損失が最小化され、入力と出力FOV間の理想的な撮像システムが得られる。
単色照明を用いて訓練されるが、拡散型一方向撮像装置は大きなスペクトル帯域上でその機能を維持し、広帯域照明下で機能する。
この一方向像をテラヘルツ放射を用いて実験的に検証した。
同じ深層学習に基づく設計戦略を用いて、波長選択型一方向撮像装置を開発し、逆方向の2つの一方向撮像操作を異なる照明波長で多重化させた。
構造材料を用いた回折一方向イメージングは、セキュリティ、防衛、通信、プライバシー保護など多くの応用がある。
関連論文リスト
- Pixel-Aligned Multi-View Generation with Depth Guided Decoder [86.1813201212539]
画素レベルの画像・マルチビュー生成のための新しい手法を提案する。
従来の作業とは異なり、潜伏映像拡散モデルのVAEデコーダにマルチビュー画像にアテンション層を組み込む。
本モデルにより,マルチビュー画像間の画素アライメントが向上する。
論文 参考訳（メタデータ） (2024-08-26T04:56:41Z) - Unidirectional imaging with partially coherent light [9.98086643673809]
一方向撮像器は、例えば視野AからFOVBまでの1方向のみの入力対象の画像を形成し、逆方向の画像形成をブロックする。
そこで本稿では,空間的に部分的にコヒーレントな光下での一方向イメージングを行い,前向きにのみ高画質イメージングを実演する。
論文 参考訳（メタデータ） (2024-08-10T06:01:06Z) - Pyramid diffractive optical networks for unidirectional image magnification and demagnification [0.0]
ピラミッド構造を有する回折光ネットワークの設計法(P-D2NN)を提案する。
P-D2NNの設計は、一方の方向だけに高忠実度またはデマジネーションされた画像を生成し、他方の方向における画像形成を阻害する。
論文 参考訳（メタデータ） (2023-08-29T04:46:52Z) - Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。
このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。
本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文 参考訳（メタデータ） (2023-08-10T07:53:06Z) - Multi-Projection Fusion and Refinement Network for Salient Object
Detection in 360{\deg} Omnidirectional Image [141.10227079090419]
我々は,360度全方位画像中の有向物体を検出するために,MPFR-Net(Multi-Projection Fusion and Refinement Network)を提案する。
MPFR-Netは、等角射影像と対応する4つの立方体展開像を入力として使用する。
2つの全方位データセットの実験結果から,提案手法は定性的かつ定量的に,最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2022-12-23T14:50:40Z) - A Constrained Deformable Convolutional Network for Efficient Single
Image Dynamic Scene Blind Deblurring with Spatially-Variant Motion Blur
Kernels Estimation [12.744989551644744]
本稿では,効率的なシングルイメージダイナミックシーンブラインドブルのための制約付き変形可能な畳み込みネットワーク(CDCN)を提案する。
CDCNは、高精度な空間変動運動ぼかしカーネル推定と高品質な画像復元を同時に達成する。
論文 参考訳（メタデータ） (2022-08-23T03:28:21Z) - Distortion-Tolerant Monocular Depth Estimation On Omnidirectional Images
Using Dual-cubemap [37.82642960470551]
デュアルキューブマップを用いた歪み耐性全方位深度推定アルゴリズムを提案する。
DCDEモジュールでは、正確なNFoV深度を推定するために、回転に基づくデュアルキューブマップモデルを提案する。
その後、境界修正モジュールは不連続な境界を滑らかにするよう設計され、これは正確かつ視覚的に連続する全方位深さに寄与する。
論文 参考訳（メタデータ） (2022-03-18T04:20:36Z) - Deep Attentional Guided Image Filtering [90.20699804116646]
ガイドフィルターはコンピュータビジョンとコンピュータグラフィックスの基本的なツールである。
本稿では,Deep attentional guided image filtering という効果的なフレームワークを提案する。
提案手法は,多種多様な画像フィルタリングアプリケーションにおいて,最先端の手法と良好に比較できることを示す。
論文 参考訳（メタデータ） (2021-12-13T03:26:43Z) - Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。
我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。
本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
論文 参考訳（メタデータ） (2021-10-11T20:20:03Z) - Deep Learning for Multi-View Ultrasonic Image Fusion [2.1410799064827226]
Delay-And-Sum (DAS)アルゴリズムは、反射信号がトランスデューサに戻るメインパスを用いて画像を生成する。
従来の画像融合技術は、通常、事前定義された画像変換、プーリング操作、しきい値のアドホックな組み合わせを使用する。
我々は、異なる共振路に対するDAS画像形成をネットワーク層として明示的に取り入れつつ、利用可能なすべてのデータをセグメントマップに直接マッピングするディープニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-09-08T13:04:07Z) - Deep Photometric Stereo for Non-Lambertian Surfaces [89.05501463107673]
我々は、PS-FCNと呼ばれる、校正された測光ステレオのための完全な畳み込みディープネットワークを導入する。
PS-FCNは反射率観測から表面正規へのマッピングを学習し、一般的な等方反射率と未知の等方反射率で表面を処理できる。
光方向が不明な未定のシナリオに対処するため、入力画像から光方向を推定するLCNetという新しい畳み込みネットワークを導入する。
論文 参考訳（メタデータ） (2020-07-26T15:20:53Z)
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。