論文の概要: Exploring Quasi-Global Solutions to Compound Lens Based Computational Imaging Systems

• arxiv url: http://arxiv.org/abs/2404.19201v2
• Date: Fri, 21 Feb 2025 04:05:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 21:37:38.799148
• Title: Exploring Quasi-Global Solutions to Compound Lens Based Computational Imaging Systems
• Title（参考訳）: 複合レンズを用いた計算イメージングシステムにおける準球面解の探索
• Authors: Yao Gao, Qi Jiang, Shaohua Gao, Lei Sun, Kailun Yang, Kaiwei Wang,
• Abstract要約: 本稿では、複合レンズベースの計算画像システムを自動的に設計するQuasi-Global Search Optics (QGSO)を提案する。 QGSOは、優れたグローバル検索能力を実現するための変換エンドツーエンドのレンズ設計パラダイムとして機能する。
• 参考スコア（独自算出の注目度）: 15.976326291076377
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, joint design approaches that simultaneously optimize optical systems and downstream algorithms through data-driven learning have demonstrated superior performance over traditional separate design approaches. However, current joint design approaches heavily rely on the manual identification of initial lenses, posing challenges and limitations, particularly for compound lens systems with multiple potential starting points. In this work, we present Quasi-Global Search Optics (QGSO) to automatically design compound lens based computational imaging systems through two parts: (i) Fused Optimization Method for Automatic Optical Design (OptiFusion), which searches for diverse initial optical systems under certain design specifications; and (ii) Efficient Physic-aware Joint Optimization (EPJO), which conducts parallel joint optimization of initial optical systems and image reconstruction networks with the consideration of physical constraints, culminating in the selection of the optimal solution in all search results. Extensive experimental results illustrate that QGSO serves as a transformative end-to-end lens design paradigm for superior global search ability, which automatically provides compound lens based computational imaging systems with higher imaging quality compared to existing paradigms. The source code will be made publicly available at https://github.com/LiGpy/QGSO.
• Abstract（参考訳）: 近年、データ駆動学習による光学系と下流アルゴリズムを同時に最適化する共同設計手法が、従来の設計手法よりも優れた性能を示している。 しかしながら、現在の共同設計アプローチは、初期レンズのマニュアル識別、課題や制限、特に複数の潜在的な出発点を持つ複合レンズシステムに大きく依存している。 本稿では,複合レンズを用いた計算画像システムの自動設計を行うための準Global Search Optics (QGSO) について述べる。 一 特定設計仕様に基づく多様な初期光学系を探索する自動光学設計のための融合最適化方法(オプティフュージョン) (II) 物理制約を考慮した初期光学系と画像再構成ネットワークの並列結合最適化を行うEPJO(Efficient Physic-Aware Joint Optimization)は,全ての検索結果において最適解の選択を導出する。 広汎な実験結果から、QGSOは、既存のパラダイムに比べて高画質の複合レンズベースの計算画像システムを自動的に提供する、優れたグローバル検索能力を実現するための、変換的なエンドツーエンドレンズ設計パラダイムとして機能することが示された。 ソースコードはhttps://github.com/LiGpy/QGSOで公開されている。

関連論文リスト

• Tolerance-Aware Deep Optics [15.445359232123133]
  深層光学は、深層学習アルゴリズムで光学素子を共設計することで有望なアプローチとして現れてきた。 我々は、複数の許容型を深い光学設計パイプラインに組み込んだ、エンドツーエンドの許容-認識最適化フレームワークを初めて提示する。 本手法は, 物理インフォームドモデリングとデータ駆動型トレーニングを組み合わせることで, 製造・組立における構造偏差を考慮し補償することにより, 光設計を向上させる。
  論文  参考訳（メタデータ） (2025-02-07T07:42:25Z)
• Successive optimization of optics and post-processing with differentiable coherent PSF operator and field information [9.527960631238173]
  我々は正確な光学シミュレーションモデルを導入し、パイプライン内の全ての操作は微分可能である。 様々な劣化に効率的に対処するために,フィールド情報を活用する共同最適化手法を設計する。
  論文  参考訳（メタデータ） (2024-12-19T07:49:40Z)
• A Differentiable Wave Optics Model for End-to-End Computational Imaging System Optimization [19.83939112821776]
  エンドツーエンドの最適化は、計算画像システム設計のための強力なデータ駆動方式として登場した。 複合光学のエンドツーエンド最適化のために光輸送における収差と回折の両方をモデル化することは困難である。 複合光学の収差と回折の両方を効率的にモデル化する微分可能な光学シミュレータを提案する。
  論文  参考訳（メタデータ） (2024-12-13T00:57:47Z)
• 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)
• Highly Constrained Coded Aperture Imaging Systems Design Via a Knowledge Distillation Approach [15.662108754691864]
  本稿では,高度に物理的に制約されたCOIシステムの設計のための知識蒸留(KD)フレームワークを提案する。 単色・マルチスペクトル画像再構成のためのバイナリ符号化開口単画素カメラを用いて,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-06-25T23:03:48Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Revealing the preference for correcting separated aberrations in joint optic-image design [19.852225245159598]
  我々は、スマートフォンやドローンのような複雑なシステムの効率的な共同設計を実現するために、分離された収差を持つ光学を特徴付ける。 視野が大きいレンズの真の撮像手順を再現する画像シミュレーションシステムを提案する。 共同設計における分離収差補正の選好は, 縦色収差, 横色収差, 球状収差, フィールド曲率, コマの順である。
  論文  参考訳（メタデータ） (2023-09-08T14:12:03Z)
• Photonic Structures Optimization Using Highly Data-Efficient Deep Learning: Application To Nanofin And Annular Groove Phase Masks [40.11095094521714]
  メタ表面は、薄膜光学の領域における光特性の操作のための柔軟なフレームワークを提供する。 本研究の目的は,これらのデバイスに対するサロゲート最適化フレームワークの導入である。 本フレームワークは、天文高コントラストイメージングへの応用に適した2種類の渦位相マスク(VPM)の開発に応用される。
  論文  参考訳（メタデータ） (2023-09-05T07:19:14Z)
• Hybrid-Supervised Dual-Search: Leveraging Automatic Learning for Loss-free Multi-Exposure Image Fusion [60.221404321514086]
  マルチ露光画像融合(MEF)は、様々な露光レベルを表すデジタルイメージングの限界に対処するための重要な解決策である。 本稿では、ネットワーク構造と損失関数の両方を自動設計するための二段階最適化探索方式であるHSDS-MEFと呼ばれるMEFのためのハイブリッドスーパービジョンデュアルサーチ手法を提案する。
  論文  参考訳（メタデータ） (2023-09-03T08:07:26Z)
• Curriculum Learning for ab initio Deep Learned Refractive Optics [17.52983714236245]
  DeepLensは、人間の介入なしにランダムに調整された表面から化合物ab initioの光学設計を学ぶことができる。 従来型撮像レンズと大視野拡大深度計算レンズの両方を自動で設計し,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-02-02T13:22:18Z)
• Deep Optical Coding Design in Computational Imaging [16.615106763985942]
  計算光学画像(COI)システムは、そのセットアップにおいて光学的符号化要素(CE)を利用して、1つまたは複数のスナップショットで高次元シーンを符号化し、計算アルゴリズムを用いて復号する。 COIシステムの性能は、CEパターンと与えられたタスクを実行するのに使用される計算方法という、主要なコンポーネントの設計に大きく依存する。 ディープニューラルネットワーク(DNN)は、光エンコーダと計算デコーダを共同で検討するCEデータ駆動設計において、新たな地平を開拓した。
  論文  参考訳（メタデータ） (2022-06-27T04:41:48Z)
• Image-specific Convolutional Kernel Modulation for Single Image Super-resolution [85.09413241502209]
  本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。 我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。 単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-11-16T11:05:10Z)
• RRNet: Relational Reasoning Network with Parallel Multi-scale Attention for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
  光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。 光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。 提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
  論文  参考訳（メタデータ） (2021-10-27T07:18:32Z)
• A Framework for Discovering Optimal Solutions in Photonic Inverse Design [0.0]
  フォトニック逆設計は複雑な光学系にとって必須の工学ツールとして登場した。 グローバル最適に近づく解を見つけることは、計算的に難解なタスクを示すかもしれない。 我々は,複雑な最適化空間上でのグローバル最適化に近い解の探索を高速化するフレームワークを開発する。
  論文  参考訳（メタデータ） (2021-06-03T22:11:03Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• Optimization-Inspired Learning with Architecture Augmentations and Control Mechanisms for Low-Level Vision [74.9260745577362]
  本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。 フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。 低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
  論文  参考訳（メタデータ） (2020-12-10T03:24:53Z)
• End-to-end Full Projector Compensation [81.19324259967742]
  完全なプロジェクター補償は、プロジェクター入力画像を変更して、プロジェクター表面の幾何学的および測光的乱れを補償することを目的としている。 本稿では,この2つの問題を共同で解くために,CompenNeSt++というエンド・ツー・エンドの微分可能な最初のソリューションを提案する。
  論文  参考訳（メタデータ） (2020-07-30T18:23:52Z)
• A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
  我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。 グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。 このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
  論文  参考訳（メタデータ） (2020-06-26T08:34:54Z)
• Two-shot Spatially-varying BRDF and Shape Estimation [89.29020624201708]
  形状とSVBRDFを段階的に推定した新しいディープラーニングアーキテクチャを提案する。 ドメインランダム化された幾何学と現実的な材料を用いた大規模合成学習データセットを作成する。 合成データセットと実世界のデータセットの両方の実験により、合成データセットでトレーニングされたネットワークが、実世界の画像に対してうまく一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-04-01T12:56:13Z)

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。