論文の概要: A Physics-Informed Blur Learning Framework for Imaging Systems

• arxiv url: http://arxiv.org/abs/2502.11382v1
• Date: Mon, 17 Feb 2025 02:54:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:10:49.321543
• Title: A Physics-Informed Blur Learning Framework for Imaging Systems
• Title（参考訳）: イメージングシステムのための物理インフォームドブラー学習フレームワーク
• Authors: Liqun Chen, Yuxuan Li, Jun Dai, Jinwei Gu, Tianfan Xue,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 20.105957982007283
• License:
• Abstract: Accurate blur estimation is essential for high-performance imaging across various applications. Blur is typically represented by the point spread function (PSF). In this paper, we propose a physics-informed PSF learning framework for imaging systems, consisting of a simple calibration followed by a learning process. Our framework could achieve both high accuracy and universal applicability. Inspired by the Seidel PSF model for representing spatially varying PSF, we identify its limitations in optimization and introduce a novel wavefront-based PSF model accompanied by an optimization strategy, both reducing optimization complexity and improving estimation accuracy. Moreover, our wavefront-based PSF model is independent of lens parameters, eliminate the need for prior knowledge of the lens. To validate our approach, we compare it with recent PSF estimation methods (Degradation Transfer and Fast Two-step) through a deblurring task, where all the estimated PSFs are used to train state-of-the-art deblurring algorithms. Our approach demonstrates improvements in image quality in simulation and also showcases noticeable visual quality improvements on real captured images.
• Abstract（参考訳）: 様々な用途にまたがる高性能イメージングには, 正確なぼかし推定が不可欠である。 ブラは一般に点拡散関数(PSF)で表される。 本稿では,簡単なキャリブレーションと学習プロセスを組み合わせた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。 空間的に変化するPSFを表すセイデルPSFモデルに着想を得て、最適化の限界を特定し、最適化の複雑さの低減と推定精度の向上を兼ね備えた、新しいウェーブフロントベースのPSFモデルを導入する。 さらに、我々の波面ベースPSFモデルは、レンズパラメータとは独立であり、レンズの事前知識の必要性を排除している。 提案手法の有効性を検証するため,最新のPSF推定手法(劣化伝達と高速2段階)と比較した。 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。

関連論文リスト

• Learning Efficient and Effective Trajectories for Differential Equation-based Image Restoration [59.744840744491945]
  我々は, この手法の軌道最適化を再構築し, 復元品質と効率の両立に焦点をあてる。 本稿では,複雑な経路を適応可能なサイズで複数の管理可能なステップに合理化するためのコスト対応トラジェクトリー蒸留法を提案する。 実験では提案手法の有意な優位性を示し, 最先端手法よりも最大2.1dBのPSNR改善を実現した。
  論文  参考訳（メタデータ） (2024-10-07T07:46:08Z)
• 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)
• End-to-End Hybrid Refractive-Diffractive Lens Design with Differentiable Ray-Wave Model [18.183342315517244]
  本稿では,光収差と拡散位相変調の両方を正確にシミュレーションするためのハイブリッド光線トレーシングと波動伝搬(光波)モデルを提案する。 提案したレイウェーブモデルは完全に微分可能であり、屈折回折レンズ最適化と画像再構成ネットワークのエンドツーエンド共設計のための勾配バックプロパゲーションを可能にする。
  論文  参考訳（メタデータ） (2024-06-02T18:48:22Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
  本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。 このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。 本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-10T07:53:06Z)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• Spherical Image Inpainting with Frame Transformation and Data-driven Prior Deep Networks [13.406134708071345]
  本研究では,深層学習に基づく正規化器を用いた球面画像の塗布作業に焦点をあてる。 我々は,高速な球面ハールフレームレット変換を採用し,フレームレット変換のスパース性仮定に基づく新しい最適化フレームワークを開発した。 提案アルゴリズムは、損傷した球面画像を大幅に復元し、深層学習デノイザとプラグ・アンド・プレイモデルを用いて、純粋に最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-29T07:51:27Z)
• Generic Lithography Modeling with Dual-band Optics-Inspired Neural Networks [52.200624127512874]
  我々は、リソグラフィの基礎となる光学物理を考慮に入れたデュアルバンド光インスパイアされたニューラルネットワーク設計を導入する。 提案手法は, タイルサイズが1nm2/ピクセル解像度で最初に公表された金属/金属層輪郭シミュレーションである。 また,従来のリソグラフィーシミュレータよりも精度1%の精度で85倍の高速化を実現した。
  論文  参考訳（メタデータ） (2022-03-12T08:08:50Z)
• 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)
• Point Spread Function Estimation for Wide Field Small Aperture Telescopes with Deep Neural Networks and Calibration Data [11.909250072362264]
  点拡散関数 (PSF) は望遠鏡の状態を反映する。 視界全体の任意の位置におけるPSFの推定は、光学系によって誘導される収差が非常に複雑であるため困難である。 我々は、さらにディープニューラルネットワーク(DNN)に基づくPSFモデリング法を開発し、そのPSF推定への応用を示す。
  論文  参考訳（メタデータ） (2020-11-20T07:26:02Z)

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。