論文の概要: Advancing quantum imaging through learning theory

• arxiv url: http://arxiv.org/abs/2501.15685v2
• Date: Tue, 09 Sep 2025 02:11:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 16:45:31.98769
• Title: Advancing quantum imaging through learning theory
• Title（参考訳）: 学習理論による量子イメージングの進歩
• Authors: Yunkai Wang, Changhun Oh, Junyu Liu, Liang Jiang, Sisi Zhou,
• Abstract要約: 物理ニューラルネットワーク(PNN)用に開発されたresolvable expressive capacity (REC)フォーマリズムを適用して量子イメージングを研究する。 この量子学習のパラダイムでは、イメージングシステムは入力パラメータを測定可能な特徴にマッピングする物理学習装置として機能する。
• 参考スコア（独自算出の注目度）: 11.21449006520364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study quantum imaging by applying the resolvable expressive capacity (REC) formalism developed for physical neural networks (PNNs). In this paradigm of quantum learning, the imaging system functions as a physical learning device that maps input parameters to measurable features, while complex practical tasks are handled by training only the output weights, enabled by the systematic identification of well-estimated features (eigentasks) and their corresponding sample thresholds. Using this framework, we analyze both direct imaging and superresolution strategies for compact sources, defined as sources with sizes bounded below the Rayleigh limit. In particular, we introduce the orthogonalized SPADE method-a nontrivial generalization of existing superresolution techniques-that achieves superior performance when multiple compact sources are closely spaced. This method relaxes the earlier superresolution studies' strong assumption that the entire source must lie within the Rayleigh limit, marking an important step toward developing more general and practically applicable approaches. Using concrete examples involving complex structured sources and classification tasks, we demonstrate the superior performance of our orthogonalized SPADE method and highlight key advantages of the quantum learning approach-its ability to tackle complex imaging tasks and enhance performance by selectively extracting well-estimated features.
• Abstract（参考訳）: 物理ニューラルネットワーク(PNN)用に開発されたresolvable expressive capacity (REC)フォーマリズムを適用して量子イメージングを研究する。 この量子学習のパラダイムでは、撮像システムは入力パラメータを測定可能な特徴にマッピングする物理学習装置として機能し、複雑な実用的なタスクは出力重みのみをトレーニングすることで処理され、よく見積もられた特徴(固有タスク)とその対応するサンプル閾値の体系的同定が可能である。 このフレームワークを用いて、レイリー限界以下の大きさのソースとして定義されるコンパクトソースの直接撮像と超分解能戦略の両方を解析する。 特に,既存の超解像法を非自明に一般化した直交化SPADE法を導入する。 この手法は、ソース全体がレイリー極限内にある必要があるという初期の超解像研究の強い仮定を緩和し、より一般的で実用的なアプローチを開発するための重要なステップとなる。 複雑な構造的ソースと分類タスクを含む具体例を用いて、直交SPADE法の優れた性能を示し、複雑な画像処理タスクに対処し、よく推定された特徴を選択的に抽出することで性能を向上させる量子学習アプローチの重要な利点を浮き彫りにする。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• 2DQuant: Low-bit Post-Training Quantization for Image Super-Resolution [83.09117439860607]
  低ビット量子化は、エッジ展開のための画像超解像(SR)モデルを圧縮するために広く普及している。 低ビット量子化は、フル精度(FP)と比較してSRモデルの精度を低下させることが知られている。 本稿では2DQuantという画像超解像のための2段階の低ビット後量子化(PTQ)法を提案する。
  論文  参考訳（メタデータ） (2024-06-10T06:06:11Z)
• Optimal compressed sensing for image reconstruction with diffusion probabilistic models [10.297832938258841]
  このような測定を最適化するための確立された方法は、主成分分析(PCA)、独立成分分析(ICA)、圧縮センシング(CS)などである。 本稿では,効率的な画像再構成のための線形測定の最適化手法を提案する。 2つの自然画像データセットに対して得られた最適測定値がPCA,ICA,CSと異なり,平均2乗再構成誤差が著しく低いことを示す。
  論文  参考訳（メタデータ） (2024-05-22T20:38:58Z)
• MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
  本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。 実験により,提案手法が現在の先行手法を超越していることが実証された。
  論文  参考訳（メタデータ） (2024-01-19T04:40:20Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Score-based Source Separation with Applications to Digital Communication Signals [72.6570125649502]
  拡散モデルを用いた重畳音源の分離手法を提案する。 高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。 提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
  論文  参考訳（メタデータ） (2023-06-26T04:12:40Z)
• Quantum super-resolution for imaging two pointlike entangled photon sources [9.590696922408775]
  モーメント法と空間モードデマルチプレックス法(SPADE)を用いて,二つの点状絡み合った音源を撮像する分解能について検討した。 分離推定感度は検出された各モードの光子分布によって決定される。 無限に小さなソース分離の制限の場合、絡み合ったソースの使用は、一貫性のない、一貫性のないソースを使用する場合よりも優れた解像度が得られる。
  論文  参考訳（メタデータ） (2023-06-17T02:39:47Z)
• MOSAIC: Masked Optimisation with Selective Attention for Image Reconstruction [0.5541644538483947]
  本研究では,無作為な計測値の選択を考慮に入れた画像再構成のための新しい圧縮センシングフレームワークを提案する。 MOSAICは、エンコードされた一連の測定に注意機構を効率的に適用するために埋め込み技術を採用している。 既存のCS再建手法の代替として,提案するアーキテクチャを検証した。
  論文  参考訳（メタデータ） (2023-06-01T17:05:02Z)
• Towards Accurate Post-training Quantization for Diffusion Models [73.19871905102545]
  本稿では,効率的な画像生成のための拡散モデル(ADP-DM)の高精度なデータフリーポストトレーニング量子化フレームワークを提案する。 提案手法は, 拡散モデルの学習後の量子化を, 同様の計算コストで, 非常に大きなマージンで高速化する。
  論文  参考訳（メタデータ） (2023-05-30T04:00:35Z)
• Quantum limits of parameter estimation in long-baseline imaging [1.0828616610785522]
  本報告では, 分散イメージングシステムによって提供される1つのモノリシック望遠鏡の上下上における拡張の成因について述べる。 2つのクラスのビーム合成戦略を用いて量子最適測定を実現する方法を示す。
  論文  参考訳（メタデータ） (2023-05-05T21:05:52Z)
• Imaging arbitrary incoherent source distributions with near quantum-limited resolution [0.0]
  任意の分布を持つ非コヒーレント音源の近接量子制限遠距離画像分解能を得るためのアプローチを実証する。 本手法は, 音源分布の事前の知識を前提とせず, 空間モードデマルチプレクシングによる撮像への適応的アプローチを用いる。
  論文  参考訳（メタデータ） (2021-06-24T21:42:28Z)
• Back to sources -- the role of losses and coherence in super-resolution imaging revisited [0.0]
  我々は,光4fイメージングシステムの汎用モデルとして,量子フィッシャー情報を計算する。 非コヒーレントソースに最適である空間モードデマルチプレクシング測定は、任意のコヒーレンス度に最適であることを示す。
  論文  参考訳（メタデータ） (2021-03-22T18:00:32Z)

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。