論文の概要: Implicitly Learned Neural Phase Functions for Basis-Free Point Spread Function Engineering

• arxiv url: http://arxiv.org/abs/2410.05413v2
• Date: Fri, 11 Oct 2024 05:19:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 18:57:16.229478
• Title: Implicitly Learned Neural Phase Functions for Basis-Free Point Spread Function Engineering
• Title（参考訳）: 基底自由点展開機能工学のための暗黙的に学習されたニューラルフェーズ関数
• Authors: Aleksey Valouev,
• Abstract要約: ポイントスプレッド機能(PSF)技術は、計算画像における光の焦点を正確に制御するために不可欠である。 本稿では, 位相関数の品質において, 既存の画素ワイズ最適化手法を著しく上回る暗黙のニューラル表現を活用する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point spread function (PSF) engineering is vital for precisely controlling the focus of light in computational imaging, with applications in neural imaging, fluorescence microscopy, and biophotonics. The PSF is derived from the magnitude of the Fourier transform of a phase function, making the construction of the phase function given the PSF (PSF engineering) an ill-posed inverse problem. Traditional PSF engineering methods rely on physical basis functions, limiting their ability to generalize across the range of PSFs required for imaging tasks. We introduce a novel approach leveraging implicit neural representations that significantly outperforms existing pixel-wise optimization methods in phase function quality.
• Abstract（参考訳）: ポイントスプレッド機能(PSF)技術は、ニューラルネットワーク、蛍光顕微鏡、バイオフォトニクスなど、計算画像における光の焦点を正確に制御するために欠かせない。 PSF は位相関数のフーリエ変換の大きさから導かれ、PSF (PSF Engineering) に与えられた位相関数の構成が不適切な逆問題となる。 従来のPSF工学手法は物理基底関数に依存しており、撮像タスクに必要なPSFの範囲で一般化する能力を制限する。 本稿では, 位相関数の品質において, 既存の画素ワイズ最適化手法を著しく上回る暗黙のニューラル表現を活用する新しい手法を提案する。

関連論文リスト

• How Learnable Grids Recover Fine Detail in Low Dimensions: A Neural Tangent Kernel Analysis of Multigrid Parametric Encodings [106.3726679697804]
  フーリエ特徴符号化(FFE)とマルチグリッドパラメトリック符号化(MPE)の2つの手法を比較した。 MPEは低次元マッピングの標準と見なされるが、MPEはそれらを上回り、高解像度で詳細な表現を学習することが多い。 我々は,MPEが学習可能な埋め込みではなく,グリッド構造を通じてネットワークの性能を向上させることを証明した。
  論文  参考訳（メタデータ） (2025-04-18T02:18:08Z)
• A Physics-Informed Blur Learning Framework for Imaging Systems [20.105957982007283]
  本稿では,物理インフォームドPSF学習フレームワークを提案する。 我々のフレームワークは高い精度と普遍的な適用性を達成することができる。 提案手法は,シミュレーションにおける画質の向上を示すとともに,実写画像の目立った画質向上を示す。
  論文  参考訳（メタデータ） (2025-02-17T02:54:14Z)
• Enhancing and Accelerating Diffusion-Based Inverse Problem Solving through Measurements Optimization [66.17291150498276]
  textbfMeasurements textbfOptimization (MO)は,逆問題解決プロセスの各ステップで計測情報を統合するための,より効率的なプラグイン・アンド・プレイモジュールである。 MOを使用することで、複数のタスクにまたがる最新技術(SOTA)のパフォーマンスを確立することができ、大きな利点があります。
  論文  参考訳（メタデータ） (2024-12-05T07:44:18Z)
• Adaptive Random Fourier Features Training Stabilized By Resampling With Applications in Image Regression [0.8947831206263182]
  浅層ニューラルネットワークのための適応型ランダムフーリエ(ARFF)訓練アルゴリズムを提案する。 本手法は, 粒子フィルタ型再サンプリング法を用いて, トレーニング過程を安定化し, パラメータ選択に対する感度を低下させる。
  論文  参考訳（メタデータ） (2024-10-08T22:08:03Z)
• Optical Algorithm for Derivative of Real-Valued Functions [0.0]
  一次元実数値関数の導出をパラ軸および単色レーザービームを用いて実装するための光学的アルゴリズムを作成する。 我々は、2次元位相符号化関数を光ビームの強度プロファイルに転送できる新しい光学アルゴリズムを実験的に実装した。
  論文  参考訳（メタデータ） (2024-08-08T18:20:03Z)
• Towards Physics-informed Cyclic Adversarial Multi-PSF Lensless Imaging [0.5371337604556311]
  二重判別器巡回対角線を用いたマルチPSFレンズレスイメージングの新しい手法を提案する。 本稿では,学習ループに統合されたフォワードモデルと相まって,スパース畳み込み型PSF対応補助分岐を持つ独自のジェネレータアーキテクチャを提案する。 提案手法は,既存のPSFに依存しない単一PSF症例に匹敵する性能を達成し,再トレーニングを必要とせずにPSF変化に対するレジリエンスを示す。
  論文  参考訳（メタデータ） (2024-07-09T10:07:28Z)
• PI-AstroDeconv: A Physics-Informed Unsupervised Learning Method for Astronomical Image Deconvolution [10.065997984277605]
  本稿では、事前の物理情報を含む教師なしネットワークアーキテクチャを提案する。 ネットワークは、望遠鏡のPSFを事前の知識として活用しながら、エンコーダ・デコーダ構造を採用する。
  論文  参考訳（メタデータ） (2024-03-04T02:52:29Z)
• Calibration-free quantitative phase imaging in multi-core fiber endoscopes using end-to-end deep learning [49.013721992323994]
  位相再構成時間を5.5msに大幅に短縮する学習型MCF位相イメージング法を実証した。 我々はまた,MCF位相イメージングに適した最初のオープンソースデータセットを自動生成する,革新的な光学システムも導入した。 我々の訓練されたディープニューラルネットワーク(DNN)は、99.8%の平均忠実度を持つ実験において、堅牢な位相再構成性能を示す。
  論文  参考訳（メタデータ） (2023-12-12T09:30:12Z)
• D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
  コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。 このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。 さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
  論文  参考訳（メタデータ） (2023-03-01T10:38:10Z)
• PREF: Phasorial Embedding Fields for Compact Neural Representations [54.44527545923917]
  本稿では,脳神経信号モデリングと再構成作業を容易にするためのコンパクトな表現として,ファサール埋め込みフィールドemphPREFを提案する。 実験の結果,PreFをベースとしたニューラル信号処理技術は,2次元画像補完,3次元SDF表面回帰,5次元放射野再構成と同等であることがわかった。
  論文  参考訳（メタデータ） (2022-05-26T17:43:03Z)
• Functional Regularization for Reinforcement Learning via Learned Fourier Features [98.90474131452588]
  本稿では、入力を学習されたフーリエベースに埋め込むことにより、深層強化学習のための簡単なアーキテクチャを提案する。 その結果、状態ベースと画像ベースの両方のRLのサンプル効率が向上することがわかった。
  論文  参考訳（メタデータ） (2021-12-06T18:59:52Z)
• Learning PSD-valued functions using kernel sums-of-squares [94.96262888797257]
  PSDコーンの値を取る関数に対して,カーネルの総和モデルを導入する。 PSD関数の普遍近似を構成することを示し、サブサンプル等式制約の場合の固有値境界を導出する。 次に、この結果を凸関数のモデル化に応用し、ヘッセンのカーネル和-二乗表現を強制する。
  論文  参考訳（メタデータ） (2021-11-22T16:07:50Z)
• Phase function estimation from a diffuse optical image via deep learning [10.270471342511904]
  位相関数はモンテカルロ(MC)シミュレーションのための光伝搬モデルの鍵となる要素である。 近年,Henyey-Greenstein相関数のような特定の形態の位相関数のパラメータを推定する機械学習手法が報告されている。 ここでは、位相関数の形式に関する明示的な仮定なしで拡散光学画像から位相関数を推定する畳み込みニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2021-11-16T04:59:25Z)
• Compound eye inspired flat lensless imaging with spatially-coded Voronoi-Fresnel phase [32.914536774672925]
  空間符号化されたVoronoi-Fresnel相を有するレンズレスカメラを,生体共役複合眼に触発されて,優れた画質を実現するために報告する。 1.6メガピクセル画像センサの試作型Voronoi-Fresnelレンズレスカメラを用いて,様々な照明条件下での撮像性能を実証および検証した。
  論文  参考訳（メタデータ） (2021-09-28T13:13:58Z)
• Robust 360-8PA: Redesigning The Normalized 8-point Algorithm for 360-FoV Images [53.11097060367591]
  球面投影における360-fov画像から本質行列を推定する新しい手法を提案する。 我々の正規化は、時間を大幅に上回ることなく、カメラの精度を約20%向上させることができることを示す。
  論文  参考訳（メタデータ） (2021-04-22T07:23:11Z)
• 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)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Spatially-Variant CNN-based Point Spread Function Estimation for Blind Deconvolution and Depth Estimation in Optical Microscopy [6.09170287691728]
  薄めながら平らでない物体の光顕微鏡画像の解像度を向上する手法を提案する。 畳み込みニューラルネットワーク(CNN)を用いた空間変動点スプレッド関数(PSF)モデルのパラメータを推定する。 本手法は,理想条件下での2乗ピアソン相関係数0.99で画像自体からPSFパラメータを復元する。
  論文  参考訳（メタデータ） (2020-10-08T14:20:16Z)
• Fourier Features Let Networks Learn High Frequency Functions in Low Dimensional Domains [69.62456877209304]
  単純なフーリエ特徴写像を通して入力点を渡すことで、多層パーセプトロンが高周波関数を学習できることを示す。 結果は、最先端の結果を達成するコンピュータビジョンとグラフィックの進歩に光を当てた。
  論文  参考訳（メタデータ） (2020-06-18T17:59:11Z)

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。