論文の概要: LoDIP: Low light phase retrieval with deep image prior
- arxiv url: http://arxiv.org/abs/2402.17745v1
- Date: Tue, 27 Feb 2024 18:29:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 15:07:48.946990
- Title: LoDIP: Low light phase retrieval with deep image prior
- Title(参考訳): LoDIP: 深部画像を用いた低光位相探索
- Authors: Raunak Manekar, Elisa Negrini, Minh Pham, Daniel Jacobs, Jaideep
Srivastava
- Abstract要約: 相検索(PR)は科学的イメージングの基本的な課題であり、コヒーレント回折イメージング(CDI)のようなナノスケール技術を可能にする。
In-situ CDIによって実証された光学データ取得装置の進歩は、低線量撮像の可能性を示している。
ディープ・イメージ・先行のような深層学習に基づく単一画像法は様々な画像処理に有効であるが、PRに適用した場合に限られた成功しか示していない。
単一画像の低線量位相探索問題に対処するため、その場でのCDI設定と暗黙のニューラル先行のパワーを組み合わせたLoDIPを提案する。
- 参考スコア(独自算出の注目度): 2.311719948367587
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Phase retrieval (PR) is a fundamental challenge in scientific imaging,
enabling nanoscale techniques like coherent diffractive imaging (CDI). Imaging
at low radiation doses becomes important in applications where samples are
susceptible to radiation damage. However, most PR methods struggle in low dose
scenario due to the presence of very high shot noise. Advancements in the
optical data acquisition setup, exemplified by in-situ CDI, have shown
potential for low-dose imaging. But these depend on a time series of
measurements, rendering them unsuitable for single-image applications.
Similarly, on the computational front, data-driven phase retrieval techniques
are not readily adaptable to the single-image context. Deep learning based
single-image methods, such as deep image prior, have been effective for various
imaging tasks but have exhibited limited success when applied to PR. In this
work, we propose LoDIP which combines the in-situ CDI setup with the power of
implicit neural priors to tackle the problem of single-image low-dose phase
retrieval. Quantitative evaluations demonstrate the superior performance of
LoDIP on this task as well as applicability to real experimental scenarios.
- Abstract(参考訳): 位相検索(PR)は、CDI(Coherent diffractive imaging)のようなナノスケール技術を可能にする科学的イメージングの基本的な課題である。
低線量でのイメージングは、試料が放射線損傷を受けやすいアプリケーションにおいて重要である。
しかし、ほとんどのPR手法は、非常に高いショットノイズが存在するため、低線量のシナリオで苦労する。
In-situ CDIによって実証された光学データ取得装置の進歩は、低線量撮像の可能性を示している。
しかし、これらは時系列の計測に依存しており、単一画像アプリケーションには適さない。
同様に、計算の面では、データ駆動位相検索技術は、単一の画像コンテキストに容易に適応できない。
deep image priorのようなディープラーニングベースのシングルイメージ手法は、様々なイメージングタスクに有効であるが、prに適用した場合の成功は限られている。
そこで本研究では,シングルイメージの低線量位相探索問題に対処するために,CDIセットアップと暗黙のニューラル先行のパワーを組み合わせたLoDIPを提案する。
この課題におけるLoDIPの性能と実実験シナリオへの適用性を定量的に評価した。
関連論文リスト
- Deep Radon Prior: A Fully Unsupervised Framework for Sparse-View CT
Reconstruction [6.509941446269504]
提案するフレームワークはデータセットを必要とせず、優れた解釈可能性と一般化能力を示す。
実験結果から,提案手法は画像アーチファクトを効果的に抑制しつつ,詳細な画像を生成することができることが示された。
論文 参考訳(メタデータ) (2023-12-30T04:11:08Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-07-31T17:59:42Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳(メタデータ) (2022-06-17T08:11:26Z) - A Fast Alternating Minimization Algorithm for Coded Aperture Snapshot
Spectral Imaging Based on Sparsity and Deep Image Priors [8.890754092562918]
Coded Aperture snapshot Spectrum Imaging (CASSI)は、3次元ハイパースペクトル画像(HSI)を再構成する技術である。
本稿では,自然画像の空間と深部画像の先行値(Fama-P)に基づいて,高速な変動最小化アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-06-12T03:29:14Z) - On Efficient Transformer and Image Pre-training for Low-level Vision [74.22436001426517]
プレトレーニングは、ハイレベルコンピュータビジョンにおける多くの最先端の芸術である。
画像事前学習の詳細な研究について述べる。
低レベルのタスクでは,事前トレーニングが極めて異なる役割を担っています。
論文 参考訳(メタデータ) (2021-12-19T15:50:48Z) - AutoPhaseNN: Unsupervised Physics-aware Deep Learning of 3D Nanoscale
Coherent Imaging [5.745058078090997]
位相探索の問題は天文学からナノスケールイメージングまで様々なイメージング手法を基礎にしている。
伝統的な位相探索法は本質的に反復的であり、計算に高価で時間を要する。
DLモデルは、学習前の反復位相検索または測定強度のみからの位相情報を置き換える。
論文 参考訳(メタデータ) (2021-09-28T21:16:34Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳(メタデータ) (2021-03-01T19:19:38Z) - Phase Retrieval with Holography and Untrained Priors: Tackling the
Challenges of Low-Photon Nanoscale Imaging [7.984370990908576]
位相探索は、マグニチュードのみのフーリエ測定から信号を回復する逆問題である。
ナノスケールの課題に適応したホログラフィック位相検索のためのデータセットフリーなディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2020-12-14T10:15:07Z) - The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。
次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。
そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-05-16T08:17:44Z) - BP-DIP: A Backprojection based Deep Image Prior [49.375539602228415]
画像復元手法として, (i)Deep Image Prior (DIP) と (ii) バックプロジェクション (BP) の2つの手法を提案する。
提案手法はBP-DIP(BP-DIP)と呼ばれ,高いPSNR値とより優れた推論実行時間を持つ通常のDIPよりも優れた性能を示す。
論文 参考訳(メタデータ) (2020-03-11T17:09:12Z)
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。