論文の概要: From Stars to Molecules: AI Guided Device-Agnostic Super-Resolution Imaging

• arxiv url: http://arxiv.org/abs/2502.18637v2
• Date: Thu, 20 Mar 2025 17:15:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 22:26:27.819763
• Title: From Stars to Molecules: AI Guided Device-Agnostic Super-Resolution Imaging
• Title（参考訳）: 星から分子へ:AI誘導デバイス非依存の超解像イメージング
• Authors: Dominik Vašinka, Filip Juráň, Jaromír Běhal, Miroslav Ježek,
• Abstract要約: 超高解像度イメージングは、分子構造から遠い銀河までの研究に革命をもたらした。 既存の超解像法では、各撮像装置のキャリブレーションと再訓練が必要であり、実際の展開を制限している。 本稿では,光学系パラメータの校正データや明示的な知識を不要とする,点状エミッタの超高分解能イメージングのためのデバイス非依存のディープラーニングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Super-resolution imaging has revolutionized the study of systems ranging from molecular structures to distant galaxies. However, existing super-resolution methods require extensive calibration and retraining for each imaging setup, limiting their practical deployment. We introduce a device-agnostic deep-learning framework for super-resolution imaging of point-like emitters that eliminates the need for calibration data or explicit knowledge of optical system parameters. Our model is trained on a diverse, numerically simulated dataset encompassing a broad range of imaging conditions, enabling generalization across different optical setups. Once trained, it reconstructs super-resolved images directly from a single resolution-limited camera frame with superior accuracy and computational efficiency compared to state-of-the-art methods. We experimentally validate our approach using a custom microscopy setup with ground-truth emitter positions. We also demonstrate its versatility on astronomical and single-molecule localization microscopy datasets, achieving unprecedented resolution without prior information. Our findings establish a pathway toward universal, calibration-free super-resolution imaging, expanding its applicability across scientific disciplines.
• Abstract（参考訳）: 超高解像度イメージングは、分子構造から遠い銀河までの研究に革命をもたらした。 しかし、既存の超解像法では各撮像装置のキャリブレーションと再訓練が必要であり、実際の展開を制限している。 本稿では,光学系パラメータの校正データや明示的な知識を不要とする,点状エミッタの超高分解能イメージングのためのデバイス非依存のディープラーニングフレームワークを提案する。 我々のモデルは、幅広い撮像条件を含む多種多様な数値シミュレーションデータセットに基づいて訓練され、異なる光学装置をまたいだ一般化を可能にする。 訓練後、単一の解像度制限されたカメラフレームから直接超解像を再構成し、最先端の手法と比較して精度と計算効率が良い。 地中トルスエミッター位置を持つカスタム顕微鏡装置を用いて,我々のアプローチを実験的に検証した。 また,天文学的および単一分子ローカライゼーション・マイクロスコープ・データセットの汎用性を実証し,事前情報なしで前例のない解像度を達成した。 本研究は, キャリブレーションフリーの超高分解能イメージングへの道筋を確立し, 科学的分野にまたがって適用範囲を広げた。

関連論文リスト

• Deep 3D World Models for Multi-Image Super-Resolution Beyond Optical Flow [27.31768206943397]
  マルチイメージ・スーパーレゾリューション(MISR)は、複数の画像を組み合わせることで、低解像度(LR)取得の空間分解能を高めることができる。 提案したモデルであるEpiMISRは,光学的流れから離れ,取得過程のエピポーラ幾何学を明示的に用いている。
  論文  参考訳（メタデータ） (2024-01-30T12:55:49Z)
• Low-Light Image Enhancement with Illumination-Aware Gamma Correction and Complete Image Modelling Network [69.96295927854042]
  低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。 本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。 指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
  論文  参考訳（メタデータ） (2023-08-16T08:46:51Z)
• Passive superresolution imaging of incoherent objects [63.942632088208505]
  手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。 ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
  論文  参考訳（メタデータ） (2023-04-19T15:53:09Z)
• Image-specific Convolutional Kernel Modulation for Single Image Super-resolution [85.09413241502209]
  本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。 我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。 単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-11-16T11:05:10Z)
• Smart Quantum Statistical Imaging beyond the Abbe-Rayleigh Criterion [0.0]
  超解像撮像のためのスマート量子カメラを導入する。 このカメラは、未知の光源の混合物の統計的変動を特定するために、人工知能の自己学習機能を利用する。 我々の研究は、顕微鏡、リモートセンシング、天文学に重要な意味を持つ画像の分野における新しい視点を提供する。
  論文  参考訳（メタデータ） (2021-10-11T17:33:51Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Deep learning-based super-resolution fluorescence microscopy on small datasets [20.349746411933495]
  ディープラーニングは、技術的障壁を減らし、回折制限画像から超解像を得る可能性を示している。 本稿では,小型データセットと超解像画像の訓練を成功させた畳み込みニューラルネットワークに基づく新しいアプローチを示す。 このモデルは、大規模なトレーニングデータセットの取得が困難なMRIやX線イメージングなどの他のバイオメディカルイメージングモードに適用することができます。
  論文  参考訳（メタデータ） (2021-03-07T03:17:47Z)
• Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
  本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。 本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。 また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2021-02-02T16:10:15Z)
• Confocal super-resolution microscopy based on a spatial mode sorter [1.6950974360378377]
  我々はRichardson-Lucy(RL)デコンボリューションアルゴリズムを多くの不整点源からなる汎用オブジェクトに一般化する。 その結果,従来の共焦点顕微鏡よりも平均30%以上高分解能化されていることがわかった。
  論文  参考訳（メタデータ） (2021-01-11T00:55:09Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。