論文の概要: Anti-biofouling Lensless Camera System with Deep Learning based Image Reconstruction
- arxiv url: http://arxiv.org/abs/2410.01365v1
- Date: Wed, 2 Oct 2024 09:24:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 21:29:22.037071
- Title: Anti-biofouling Lensless Camera System with Deep Learning based Image Reconstruction
- Title（参考訳）: 深層学習に基づく画像再構成によるアンチバイオフリングレンズレスカメラシステム
- Authors: Naoki Ide, Tomohiro Kawahara, Hiroshi Ueno, Daiki Yanagidaira, Susumu Takatsuka,
- Abstract要約: 本研究では、深層学習による画像再構成に基づくバイオファウリングやコンピュータビジョン技術に高い耐性を持つ材料技術を適用した水中カメラをレンズレスカメラに適用する。
プロトタイプカメラは、銅などの薄い金属板に1kの長方形のピンホールを持つ符号化開口部を使用しており、生物汚染の進行を妨げ、表面をきれいに保っている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, there has been an increasing demand for underwater cameras that monitor the condition of offshore structures and check the number of individuals in aqua culture environments with long-period observation. One of the significant issues with this observation is that biofouling sticks to the aperture and lens densely and prevents cameras from capturing clear images. This study examines an underwater camera that applies material technologies with high inherent resistance to biofouling and computer vision technologies based on image reconstruction by deep learning to lens-less cameras. For this purpose, our prototype camera uses a coded aperture with 1k rectangular shape pinholes in a thin metal plate, such as copper, which hinder the growth of biofouling and keep the surface clean. Although images taken by lens-less cameras are usually not well formed due to lack of the traditional glass-based lens, a deep learning approach using ViT (Vision Transformer) has recently demonstrated reconstructing original photo images well and our study shows that using gated MLP (Multilayer Perceptron) also yields good results. On the other hand, a certain degree of thickness for bio-repellence materials is required to exhibit their effect the thickness of aperture is necessary to use apertures sufficiently thinner than the size of the pinholes to avoid unintentional reflection and absorption on the sidewalls. Therefore, we prepared a sufficiently thin plate for image reconstruction and now currently we conduct tests of the lens-less camera of the bio-repellence aperture with actual seawater environments to determine whether it can sufficiently demonstrate the biofouling effect compared with usual camera with only waterproof.
- Abstract（参考訳）: 近年、海底カメラの需要が高まり、海洋構造物の状況を監視し、長期間の観測で水環境の個体数をチェックしている。
この観察で大きな問題の1つは、バイオファウリングスティックが開口部とレンズに密集し、カメラが鮮明な画像を撮影するのを防ぐことである。
本研究では、深層学習による画像再構成に基づくバイオファウリングやコンピュータビジョン技術に高い耐性を持つ材料技術を適用した水中カメラをレンズレスカメラに適用する。
この目的のために、プロトタイプカメラは、銅などの薄い金属板に1kの長方形のピンホールを持つ符号化開口を用いており、生物汚泥の成長を妨げ、表面をきれいに保っている。
レンズレスカメラで撮影される画像は、従来のガラスベースのレンズが欠如しているため、一般的にはあまり形成されていないが、ViT (Vision Transformer) を用いたディープラーニングアプローチは、最近、オリジナル画像の再構成をよく示しており、我々はゲート型MDP (Multilayer Perceptron) を用いても良好な結果が得られることを示した。
一方, 生体忌避材料の厚みは, 壁面の非意図的な反射や吸収を避けるために, ピンホールの大きさよりも十分に細い開口部を使用することが要求される。
そこで, 画像再構成のための十分な薄板を作製し, 現在, 防水性のみの通常のカメラと比較して, 生物汚染効果を十分に実証できるかどうかを判断するために, 実際の海水環境とバイオレペレンス開口のレンズレスカメラの試験を行っている。
関連論文リスト
- UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images [63.32490897641344]
ニューラルSDFに基づく多視点水中画像から対象物を再構成するフレームワークを提案する。
再建過程を最適化するためのハイブリッドな幾何学的先行手法を導入し、神経SDF再建の質と効率を著しく向上させる。
論文 参考訳（メタデータ） (2024-10-10T16:33:56Z) - Low Photon Number Non-Invasive Imaging Through Time-Varying Diffusers [0.5580128181112308]
ダイナミックディフューザの裏側に隠された蛍光体の非侵襲イメージングを実証する。
我々の再構成では、異なるディフューザ実現のために記録された画像のスタックを使用し、個々のカメラフレームが小さな光子数を含む場合でも機能する。
論文 参考訳（メタデータ） (2024-09-26T17:19:13Z) - Mind the Exit Pupil Gap: Revisiting the Intrinsics of a Standard Plenoptic Camera [0.8844616380849608]
SPC画像における主眼球出口瞳孔の役割について検討した。
復号化光場に対する再焦点距離と再サンプリングパラメータとの接続を推定する。
我々は、レンズカメラ光学のより正確でニュアンスな理解に貢献することを目指している。
論文 参考訳（メタデータ） (2024-02-20T10:35:51Z) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳（メタデータ） (2023-09-02T09:07:36Z) - Unrolled Primal-Dual Networks for Lensless Cameras [0.45880283710344055]
教師付き原始二重再構成法を学習することで,文献における画像品質の整合性が得られることを示す。
この改善は、学習可能な前方モデルと随伴モデルとを学習された原始双対最適化フレームワークに組み込むことで、再構成画像の品質を向上できるという発見に起因している。
論文 参考訳（メタデータ） (2022-03-08T19:21:39Z) - Deep Camera Obscura: An Image Restoration Pipeline for Lensless Pinhole
Photography [18.19703711805033]
ピンホールカメラ(ピンホールカメラ)は、レンズの代わりにピンホールサイズの開口部だけを使用する、最も早くてシンプルな画像システムである。
本稿では, ピンホールシステムの深層学習とドメイン知識を用いた画像復元パイプラインを探索し, ジョイント denoise と deblur によるピンホール画像の品質向上を図る。
当社のアプローチでは、手持ち撮影においてより実用的な露光時間を実現し、画質の向上を実現しているため、他のレンズレスカメラと比較して、画質とコストを低く保ちながら、日々の撮影に適している。
論文 参考訳（メタデータ） (2021-08-12T07:03:00Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - 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) - Unsupervised Depth and Ego-motion Estimation for Monocular Thermal Video
using Multi-spectral Consistency Loss [76.77673212431152]
本研究では,全日深度とエゴモーション推定のための教師なし学習手法を提案する。
提案手法はマルチスペクトル整合性損失を利用してネットワークを補完的に監視する。
提案手法で訓練されたネットワークは、低照度およびゼロ照度条件下での単眼熱ビデオの深度とポーズを堅牢に推定する。
論文 参考訳（メタデータ） (2021-03-01T05:29:04Z) - Neural Ray Surfaces for Self-Supervised Learning of Depth and Ego-motion [51.19260542887099]
カメラモデルの事前知識を必要とせずに、自己超越を用いて正確な深度とエゴモーション推定を学習できることが示される。
Grossberg と Nayar の幾何学モデルにインスパイアされた我々は、ピクセルワイド射影線を表す畳み込みネットワークである Neural Ray Surfaces (NRS) を導入する。
本研究では,多種多様なカメラシステムを用いて得られた生ビデオから,視覚計測の自己教師付き学習と深度推定にNRSを用いることを実証する。
論文 参考訳（メタデータ） (2020-08-15T02:29:13Z)
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。