論文の概要: Information-driven design of imaging systems

• arxiv url: http://arxiv.org/abs/2405.20559v2
• Date: Thu, 14 Nov 2024 17:40:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:21:24.540830
• Title: Information-driven design of imaging systems
• Title（参考訳）: 画像システムの情報駆動設計
• Authors: Henry Pinkard, Leyla Kabuli, Eric Markley, Tiffany Chien, Jiantao Jiao, Laura Waller,
• Abstract要約: 本稿では,画像システム計測の情報量を推定するためのデータ駆動型手法を提案する。 これらの情報推定は,多様な画像モダリティをまたいだシステム性能を確実に予測できることを実証する。 この研究で開発されたツールは、画像システムの解析と設計のための強力で実用的なツールとして情報理論を解き放つ。
• 参考スコア（独自算出の注目度）: 13.875054825191292
• License:
• Abstract: Most modern imaging systems process the data they capture algorithmically before-or instead of-human viewing. As a result, performance depends not on how interpretable the measurements appear, but how effectively they encode details for algorithmic processing. Information theory provides mathematical tools to analyze this, but developing methods that can handle the complexity of real-world measurements yet remain practical enough for widespread use has proven challenging. We introduce a data-driven approach for estimating the information content of imaging system measurements. Our framework requires only experimental measurements and noise characterization, with no need for ground truth data. We demonstrate that these information estimates reliably predict system performance across diverse imaging modalities, including color photography, radio astronomy, lensless imaging, and label-free microscopy. To automate the process of designing imaging systems that maximize information capture we introduce an optimization technique called Information-Driven Encoder Analysis Learning (IDEAL). The tools we develop in this work unlock information theory as a powerful, practical tool for analyzing and designing imaging systems across a broad range of applications. A video summarizing this work can be found at https://waller-lab.github.io/EncodingInformationWebsite/
• Abstract（参考訳）: 現代のイメージングシステムのほとんどは、人間の観察ではなく、アルゴリズムによって捉えたデータを処理している。 結果として、パフォーマンスは測定値がどのように解釈されるかではなく、アルゴリズム処理の詳細をいかに効果的にエンコードするかに依存します。 情報理論は、これを解析するための数学的ツールを提供するが、実世界の測定の複雑さを扱える方法を開発することは、広く使われるには十分実用的であることが証明されている。 本稿では,画像システム計測の情報量を推定するためのデータ駆動型手法を提案する。 本フレームワークは,実測値とノイズ特性のみを必要とするが,実測値は不要である。 カラー写真,電波天文学,レンズレスイメージング,ラベルレス顕微鏡など,様々な画像モダリティのシステム性能を確実に予測できることを実証する。 本稿では,情報キャプチャを最大化する画像システムの設計プロセスを自動化するために,情報駆動型エンコーダ分析学習(IDEAL)という最適化手法を導入する。 この研究で開発されたツールは、幅広いアプリケーションにわたって画像システムを分析し設計するための強力で実用的なツールとして情報理論を解き放つ。 この作業を要約したビデオはhttps://waller-lab.github.io/EncodingInformationWebsite/にある。

関連論文リスト

• Integration of Communication and Computational Imaging [49.2442836992307]
  遠隔認識のためのコミュニケーション・計算画像(ICCI)を統合した新しいフレームワークを提案する。 ICCIフレームワークは、情報ソースの生成から最終ビジョンタスクの実行までの情報損失を最小限に抑えるために、全リンク情報転送最適化を行う。 80km27バンドのハイパースペクトル映像の知覚速度は30fpsである。
  論文  参考訳（メタデータ） (2024-10-25T09:19:59Z)
• X-Fake: Juggling Utility Evaluation and Explanation of Simulated SAR Images [49.546627070454456]
  実データと模擬データの分散不整合性は、シミュレーションSAR画像の有用性に影響を与える主な障害である。 本稿では,X-Fake で表されるSAR画像の擬似的な説明を初めて行うことで,信頼性の高い実用性評価フレームワークを提案する。 提案手法は、電磁モデルから得られた4つのシミュレーションSAR画像データセットと、生成人工知能アプローチに基づいて検証される。
  論文  参考訳（メタデータ） (2024-07-28T09:27:53Z)
• Diffusion Model Based Visual Compensation Guidance and Visual Difference Analysis for No-Reference Image Quality Assessment [82.13830107682232]
  本稿では, 複雑な関係をモデル化する能力を示す, 最先端(SOTA)生成モデルを提案する。 生成した拡張画像とノイズを含む画像を利用する新しい拡散復元ネットワークを考案する。 2つの視覚評価枝は、得られた高レベル特徴情報を包括的に解析するように設計されている。
  論文  参考訳（メタデータ） (2024-02-22T09:39:46Z)
• Semantic Information for Object Detection [0.0]
  本稿では,インスタンスレベルのアノテーションを付加した画像のデータセットから知識グラフを抽出する新しい手法を提案する。 本稿では,Faster-RCNNおよびDETRオブジェクト検出モデルにおける知識認識再最適化の有効性について検討する。
  論文  参考訳（メタデータ） (2023-08-17T13:53:29Z)
• Explainable, Physics Aware, Trustworthy AI Paradigm Shift for Synthetic Aperture Radar [5.164409209168982]
  本稿では,SAR(Synthetic Aperture Radar)データを対象としたデータサイエンスにおける説明可能性のパラダイム変更を提案する。 明確に確立されたモデルに基づいた説明可能なデータ変換を使用して、AIメソッドのインプットを生成することを目指している。
  論文  参考訳（メタデータ） (2023-01-09T09:22:13Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• A Bayesian Based Deep Unrolling Algorithm for Single-Photon Lidar Systems [4.386694688246789]
  現実の応用における3次元単光子ライダーイメージングは、高騒音環境におけるイメージングを含む複数の課題に直面している。 統計や学習に基づくフレームワークに基づいて,これらの問題に対処するアルゴリズムが提案されている。 本稿では,統計的ベイズアルゴリズムを単一光子ライダーデータから頑健な画像再構成のための新しいディープラーニングアーキテクチャに展開する。
  論文  参考訳（メタデータ） (2022-01-26T12:58:05Z)
• Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
  画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。 本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-03-04T12:45:18Z)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)
• Online Graph Completion: Multivariate Signal Recovery in Computer Vision [29.89364298411089]
  グラフ上で定義された「完了」問題について検討し、追加測定の要求を順次行う必要がある。 グラフのフーリエ領域における最適化モデルを設計し、適応的な部分モジュラー性に基づくアイデアが実際にうまく機能するアルゴリズムをどう提供するかを記述する。 Imgurから収集した大量の画像では、分類が難しい画像について有望な結果が得られます。
  論文  参考訳（メタデータ） (2020-08-12T01:34:21Z)

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。