論文の概要: Single-shot Phase Retrieval from a Fractional Fourier Transform Perspective

• arxiv url: http://arxiv.org/abs/2311.10950v1
• Date: Sat, 18 Nov 2023 03:11:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 13:21:33.363842
• Title: Single-shot Phase Retrieval from a Fractional Fourier Transform Perspective
• Title（参考訳）: 分数フーリエ変換による単発位相検索
• Authors: Yixiao Yang, Ran Tao, Kaixuan Wei, Jun Shi
• Abstract要約: 分数フーリエ変換の観点から,新しい単発位相探索パラダイムを提案する。 FrFT領域の強度測定は位相検索のあいまいさを軽減するのに非常に有効である。 提案する自己教師型再構成手法は,FrFTの高速離散アルゴリズムを,未学習のニューラルネットワークの先行アルゴリズムと併用する。
• 参考スコア（独自算出の注目度）: 12.490990352972695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The realm of classical phase retrieval concerns itself with the arduous task of recovering a signal from its Fourier magnitude measurements, which are fraught with inherent ambiguities. A single-exposure intensity measurement is commonly deemed insufficient for the reconstruction of the primal signal, given that the absent phase component is imperative for the inverse transformation. In this work, we present a novel single-shot phase retrieval paradigm from a fractional Fourier transform (FrFT) perspective, which involves integrating the FrFT-based physical measurement model within a self-supervised reconstruction scheme. Specifically, the proposed FrFT-based measurement model addresses the aliasing artifacts problem in the numerical calculation of Fresnel diffraction, featuring adaptability to both short-distance and long-distance propagation scenarios. Moreover, the intensity measurement in the FrFT domain proves highly effective in alleviating the ambiguities of phase retrieval and relaxing the previous conditions on oversampled or multiple measurements in the Fourier domain. Furthermore, the proposed self-supervised reconstruction approach harnesses the fast discrete algorithm of FrFT alongside untrained neural network priors, thereby attaining preeminent results. Through numerical simulations, we demonstrate that both amplitude and phase objects can be effectively retrieved from a single-shot intensity measurement using the proposed approach and provide a promising technique for support-free coherent diffraction imaging.
• Abstract（参考訳）: 古典的位相検索の領域は、そのフーリエマグニチュード測定から信号を取り戻すという困難なタスクに関係しており、それらは本質的に曖昧さに満ちている。 単一露光強度測定は、欠位相成分が逆変換に必須であることから、主信号の再構成には不十分であると考えられている。 本研究では,FrFTに基づく物理測定モデルを自己教師型再構成方式に統合することを含む,FrFT(Farential Fourier transform)の観点から,新しい単発位相探索パラダイムを提案する。 具体的には、フレネル回折の数値計算におけるエイリアス化アーティファクト問題にFrFTを用いた測定モデルを用いて対処し、短距離および長距離の伝搬シナリオに適応可能である。 さらに、FrFT領域の強度測定は相検索のあいまいさを緩和し、フーリエ領域のオーバーサンプリングや多重測定の前の条件を緩和するのに非常に有効である。 さらに,提案手法は,FrFTの高速離散アルゴリズムを未学習のニューラルネットワーク先行アルゴリズムと併用することにより,顕著な結果が得られる。 数値シミュレーションにより,提案手法を用いた単発強度測定から振幅と位相の双方の物体を効果的に抽出できることを実証し,支持のないコヒーレント回折イメージングに有望な技術を提供する。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Experimental implementation of the optical fractional Fourier transform in the time-frequency domain [0.0]
  原子量子光メモリシステムを用いた時間周波数領域における分数フーリエ変換の実験的実現について述べる。 FrFTは, ショットノイズ制限ホモダイン検出器を用いて測定した時間周期ウィグナー関数の解析により検証した。
  論文  参考訳（メタデータ） (2023-03-23T14:39:52Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Diffusion Posterior Sampling for General Noisy Inverse Problems [50.873313752797124]
  我々は、後方サンプリングの近似により、雑音(非線形)逆問題に対処するために拡散解法を拡張した。 本手法は,拡散モデルが様々な計測ノイズ統計を組み込むことができることを示す。
  論文  参考訳（メタデータ） (2022-09-29T11:12:27Z)
• PREF: Phasorial Embedding Fields for Compact Neural Representations [54.44527545923917]
  本稿では,脳神経信号モデリングと再構成作業を容易にするためのコンパクトな表現として,ファサール埋め込みフィールドemphPREFを提案する。 実験の結果,PreFをベースとしたニューラル信号処理技術は,2次元画像補完,3次元SDF表面回帰,5次元放射野再構成と同等であることがわかった。
  論文  参考訳（メタデータ） (2022-05-26T17:43:03Z)
• Deep Iterative Phase Retrieval for Ptychography [13.49645012479288]
  物体を回折パターンから再構成するには、逆フーリエ変換を計算しなければならない。 本研究では,複数の重なり合う回折画像から物体を再構成する,回折イメージングのサブフィールドであるptychographyについて考察する。 本稿では,既存の反復位相探索アルゴリズムをニューラルネットワークで拡張し,各繰り返しの結果を精査する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-17T09:13:35Z)
• Non-Iterative Phase Retrieval With Cascaded Neural Networks [0.966840768820136]
  本稿では,非オーバースタンプフーリエ等級と異なる解像度で画像を連続的に再構成するディープニューラルネットワークカスケードを提案する。 提案手法を4つの異なるデータセットで評価する。
  論文  参考訳（メタデータ） (2021-06-18T15:52:12Z)
• Sigma-Delta and Distributed Noise-Shaping Quantization Methods for Random Fourier Features [73.25551965751603]
  我々は、量子化 RFF が基礎となるカーネルの高精度な近似を可能にすることを証明した。 量子化 RFF はさらに圧縮され,メモリ使用量と精度のトレードオフに優れることを示す。 本手法は,この文脈におけるアート量子化手法の他の状態と比較し,いくつかの機械学習タスクにおいて,提案手法の性能を実証的に示す。
  論文  参考訳（メタデータ） (2021-06-04T17:24:47Z)
• A Fourier-based Framework for Domain Generalization [82.54650565298418]
  ドメインの一般化は、複数のソースドメインから伝達可能な知識を学習して、未確認のターゲットドメインに一般化することでこの問題に対処することを目的としている。 本稿では、ドメイン一般化のための新しいフーリエに基づく視点を紹介する。 3つのベンチマーク実験により,提案手法は領域一般化のための最先端性能を実現することができることを示した。
  論文  参考訳（メタデータ） (2021-05-24T06:50:30Z)
• DeepPhaseCut: Deep Relaxation in Phase for Unsupervised Fourier Phase Retrieval [31.380061715549584]
  本稿では、フーリエ位相探索のための新しい、教師なしフィードフォワードニューラルネットワークを提案する。 ニューラルネットワークを正規化用語や、教師付きトレーニングのためのエンドツーエンドのブラックボックスモデルとして使用している既存のディープラーニングアプローチとは異なり、我々のアルゴリズムは、教師なし学習フレームワークにおけるPhaseCutアルゴリズムのフィードフォワードニューラルネットワーク実装である。 我々のネットワークは2つの生成器で構成されている: 1つは位相損失を用いた位相推定用で、もう1つは画像再構成用で、これらは全て一致したデータを持たないCycleGANフレームワークを用いて同時に訓練されている。
  論文  参考訳（メタデータ） (2020-11-20T16:10:08Z)
• Solving Phase Retrieval with a Learned Reference [18.76940558836028]
  フーリエ位相探索は、フーリエ係数の振幅測定から画像の回復を扱う古典的な問題である。 本稿では、振幅測定を行う前に、既知の(学習した)参照を信号に追加すると仮定する。 本手法はホログラフィーに参照信号を追加する原理に着想を得たものである。
  論文  参考訳（メタデータ） (2020-07-29T06:17:25Z)

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。