Fugu-MT 論文翻訳(概要): 3D-2D Neural Nets for Phase Retrieval in Noisy Interferometric Imaging

論文の概要: 3D-2D Neural Nets for Phase Retrieval in Noisy Interferometric Imaging

arxiv url: http://arxiv.org/abs/2402.06063v1
Date: Thu, 8 Feb 2024 21:19:16 GMT
ステータス: 処理完了
システム内更新日: 2024-02-12 18:42:58.441216
Title: 3D-2D Neural Nets for Phase Retrieval in Noisy Interferometric Imaging
Title（参考訳）: ノイズインターフェロメトリーイメージングにおける位相検索のための3d-2dニューラルネット
Authors: Andrew H. Proppe, Guillaume Thekkadath, Duncan England, Philip J. Bustard, Fr\'ed\'eric Bouchard, Jeff S. Lundeen, Benjamin J. Sussman
Abstract要約: 本稿では3次元2次元位相検索型U-Net(PRUNe)を導入し,ノイズとランダムに位相シフトした干渉図を入力とし,単一の2次元位相像を出力する。 3Dダウンサンプリング畳み込みエンコーダは、フレーム内およびフレーム間の相関をキャプチャして、2D遅延空間を生成し、2Dデコーダによって位相画像にアップサンプリングする。 PRUNe再構成は、より正確でスムーズな再構成を連続的に示し、低 (f) のインターフェログラムに対して、複数の信号-雑音比で x2.5 - 4 の平均2乗誤差を下方修正する。
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: In recent years, neural networks have been used to solve phase retrieval problems in imaging with superior accuracy and speed than traditional techniques, especially in the presence of noise. However, in the context of interferometric imaging, phase noise has been largely unaddressed by existing neural network architectures. Such noise arises naturally in an interferometer due to mechanical instabilities or atmospheric turbulence, limiting measurement acquisition times and posing a challenge in scenarios with limited light intensity, such as remote sensing. Here, we introduce a 3D-2D Phase Retrieval U-Net (PRUNe) that takes noisy and randomly phase-shifted interferograms as inputs, and outputs a single 2D phase image. A 3D downsampling convolutional encoder captures correlations within and between frames to produce a 2D latent space, which is upsampled by a 2D decoder into a phase image. We test our model against a state-of-the-art singular value decomposition algorithm and find PRUNe reconstructions consistently show more accurate and smooth reconstructions, with a x2.5 - 4 lower mean squared error at multiple signal-to-noise ratios for interferograms with low (< 1 photon/pixel) and high (~100 photons/pixel) signal intensity. Our model presents a faster and more accurate approach to perform phase retrieval in extremely low light intensity interferometry in presence of phase noise, and will find application in other multi-frame noisy imaging techniques.
Abstract（参考訳）: 近年、ニューラルネットワークは、特にノイズの存在下で、従来の技術よりも精度と速度で画像の位相探索問題を解決するために用いられている。しかし、干渉画像の文脈では、位相ノイズは既存のニューラルネットワークアーキテクチャにほとんど適応していない。このようなノイズは、機械的不安定性や大気の乱流による干渉計で自然に発生し、測定の取得時間を制限し、リモートセンシングのような限られた光強度のシナリオで挑戦する。本稿では,ノイズとランダムに位相シフトしたインターフェログラムを入力とし,単一の2次元位相画像を出力する3d-2d位相検索u-net(prune)を提案する。 3dダウンサンプリング畳み込みエンコーダは、フレーム内およびフレーム間の相関をキャプチャし、2dデコーダによって位相画像にアップサンプリングされる2d潜時空間を生成する。我々は,現状の特異値分解アルゴリズムと比較し,PRUNe再構成により,低 (1光子/ピクセル) かつ高 (約100光子/ピクセル) 信号強度のインターフェログラムに対して,x2.5〜4の低次平均2乗誤差でより正確かつ滑らかな再構成が得られた。本モデルでは,位相雑音下での極低光強度干渉計の位相探索を高速かつ高精度に行い,他のマルチフレームノイズイメージング技術に適用する。

関連論文リスト

Interferometry with few photons [0.0]
平均照明強度の異なる点回折干渉計を用いて、異なる波面を実験的に再構成する。興味のある2つの場合、d = 6 の均一位相領域からなる空間キュート符号化フェーズと、より一般的な連続位相により、読み出しノイズの低減は、再構成の質を明らかに向上させる。
論文参考訳（メタデータ） (2024-02-20T17:21:06Z)
StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
論文参考訳（メタデータ） (2023-12-02T02:27:58Z)
A Deep Learning Method for Simultaneous Denoising and Missing Wedge Reconstruction in Cryogenic Electron Tomography [23.75819355889607]
本稿では,DeepDeWedgeと呼ばれるウェッジ再構築を同時に行う深層学習手法を提案する。このアルゴリズムは、基礎となる真理データを必要としないため、ニューラルネットワークを自己教師付きロスを用いて2次元投影に適合させることに基づいている。 DeepDeWedgeは、最先端の手法であるCryoCAREやIsoNetよりもパフォーマンスがよい。
論文参考訳（メタデータ） (2023-11-09T17:34:57Z)
Towards High-quality HDR Deghosting with Conditional Diffusion Models [88.83729417524823]
高ダイナミックレンジ(LDR)画像は、既存のディープニューラルネットワーク(DNN)技術により、複数の低ダイナミックレンジ(LDR)画像から復元することができる。 DNNは、LDR画像が飽和度と大きな動きを持つ場合、ゴーストアーティファクトを生成する。拡散モデルの条件としてLDR特徴を利用する画像生成としてHDRデゴースト問題を定式化する。
論文参考訳（メタデータ） (2023-11-02T01:53:55Z)
Mutual Information-driven Triple Interaction Network for Efficient Image Dehazing [54.168567276280505]
画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
論文参考訳（メタデータ） (2023-08-14T08:23:58Z)
NerfDiff: Single-image View Synthesis with NeRF-guided Distillation from 3D-aware Diffusion [107.67277084886929]
単一の画像からの新しいビュー合成には、オブジェクトやシーンの隠蔽領域を推論すると同時に、入力とのセマンティックおよび物理的整合性を同時に維持する必要がある。そこで我々は,NerfDiffを提案する。NerfDiffは3D対応条件拡散モデル(CDM)の知識を,テスト時に仮想ビューの集合を合成・精製することで,NeRFに抽出することでこの問題に対処する。さらに,CDMサンプルから3次元一貫した仮想ビューを同時に生成し,改良された仮想ビューに基づいてNeRFを微調整する新しいNeRF誘導蒸留アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-02-20T17:12:00Z)
Zero-Shot Learning of Continuous 3D Refractive Index Maps from Discrete Intensity-Only Measurements [5.425568744312016]
我々は, RI体積の高次連続表現を, その強度のみおよび制限角の測定から直接学習できる最初のNF-based IDT法としてDeCAFを提案する。我々は,DECAFが高コントラストかつ非アーティファクトなRIマップを生成できる3つの異なるIDTモダリティと複数の生物学的サンプルを示す。
論文参考訳（メタデータ） (2021-11-27T06:05:47Z)
Phase retrieval enhanced by quantum correlation [0.0]
非干渉的条件下での物体の定量的位相探索を促進するために絡み合いを利用した手法を提案する。このプロトコルは、光学顕微鏡およびX線イメージングに応用でき、固定信号対雑音比を達成するために必要な光子線量を減らすことができる。
論文参考訳（メタデータ） (2021-09-21T10:58:48Z)
Learning a Model-Driven Variational Network for Deformable Image Registration [89.9830129923847]
VR-Netは、教師なしの変形可能な画像登録のための新しいカスケード可変ネットワークである。登録精度において最先端のディープラーニング手法よりも優れています。ディープラーニングの高速推論速度と変分モデルのデータ効率を維持している。
論文参考訳（メタデータ） (2021-05-25T21:37:37Z)
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)

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。