論文の概要: Spectrum from Defocus: Fast Spectral Imaging with Chromatic Focal Stack
- arxiv url: http://arxiv.org/abs/2503.20184v1
- Date: Wed, 26 Mar 2025 03:17:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-27 13:20:02.806904
- Title: Spectrum from Defocus: Fast Spectral Imaging with Chromatic Focal Stack
- Title(参考訳): Defocusからのスペクトル:クロマティック・フーカル・スタックを用いた高速スペクトルイメージング
- Authors: M. Kerem Aydin, Yi-Chun Hung, Jaclyn Pytlarz, Qi Guo, Emma Alexander,
- Abstract要約: ハイパースペクトルカメラは、本質的に低光度状態において、空間、スペクトル、時間分解能の間の厳しいトレードオフに直面している。
我々は,市販光学系と計算1秒の小さなシステムで,最先端のハイパースペクトル像を復元するカラー焦点消去法であるDefocusからSpectrumを提示する。
- 参考スコア(独自算出の注目度): 3.51545442219172
- License:
- Abstract: Hyperspectral cameras face harsh trade-offs between spatial, spectral, and temporal resolution in an inherently low-photon regime. Computational imaging systems break through these trade-offs with compressive sensing, but require complex optics and/or extensive compute. We present Spectrum from Defocus (SfD), a chromatic focal sweep method that recovers state-of-the-art hyperspectral images with a small system of off-the-shelf optics and < 1 second of compute. Our camera uses two lenses and a grayscale sensor to preserve nearly all incident light in a chromatically-aberrated focal stack. Our physics-based iterative algorithm efficiently demixes, deconvolves, and denoises the blurry grayscale focal stack into a sharp spectral image. The combination of photon efficiency, optical simplicity, and physical modeling makes SfD a promising solution for fast, compact, interpretable hyperspectral imaging.
- Abstract(参考訳): ハイパースペクトルカメラは、本質的に低光度状態において、空間、スペクトル、時間分解能の間の厳しいトレードオフに直面している。
計算イメージングシステムは、圧縮センシングによってこれらのトレードオフを突破するが、複雑な光学および/または広範な計算を必要とする。
そこで本研究では,Fefocus (SfD) からSpectrumを抽出し,市販の光学系と計算の1秒間で最先端のハイパースペクトル像を復元する。
私たちのカメラは2つのレンズとグレースケールのセンサーを使って、ほぼすべての入射光を、彩色に収差した焦点スタックに保存しています。
我々の物理に基づく反復アルゴリズムは、ぼやけたグレースケールの焦点スタックをシャープなスペクトル画像に効率よくデミックス、デコンボルブ、デノネーズする。
光子効率、光学的単純性、物理モデリングの組み合わせにより、SfDは高速でコンパクトで解釈可能なハイパースペクトルイメージングのための有望なソリューションとなる。
関連論文リスト
- Correlation Hyperspectral Imaging [0.0]
ハイパースペクトルイメージングは、高解像度で光の空間分布とスペクトル分布の両方に関する情報を提供することを目的としている。
従来のハイパースペクトル画像技術の典型的な欠点を克服できる光強度相関を利用して、この制限に対処する。
空間・スペクトルの高分解能化,高速化,望ましくないスペクトル特性に対する感度化の両立は,ハイパースペクトルイメージング装置のパラダイム変更につながる。
論文 参考訳(メタデータ) (2024-07-18T19:54:44Z) - HyperColorization: Propagating spatially sparse noisy spectral clues for reconstructing hyperspectral images [2.7214317850962106]
グレースケールガイド画像から高スペクトル像を再構成し,空間的に粗いスペクトル手がかりを抽出するカラー化を提案する。
提案アルゴリズムは,高スペクトル画像の様々なスペクトル次元に一般化し,低ランク空間における色付けが計算時間とショットノイズの影響を低減させることを示す。
論文 参考訳(メタデータ) (2024-03-18T16:33:43Z) - Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。
我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。
提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
論文 参考訳(メタデータ) (2024-02-04T09:07:28Z) - SSIF: Learning Continuous Image Representation for Spatial-Spectral
Super-Resolution [73.46167948298041]
本稿では,空間領域における連続画素座標とスペクトル領域における連続波長の両方の関数として,画像を表すニューラル暗黙モデルを提案する。
SSIFは空間分解能とスペクトル分解能の両方によく対応していることを示す。
ダウンストリームタスクのパフォーマンスを1.7%-7%向上させる高解像度画像を生成することができる。
論文 参考訳(メタデータ) (2023-09-30T15:23:30Z) - Aperture Diffraction for Compact Snapshot Spectral Imaging [27.321750056840706]
我々は、Aperture Diffraction Imaging Spectrometer (ADIS) という、コンパクトで費用効率の良いスナップショット分光画像システムを紹介した。
モザイクフィルタセンサ上の離散符号化位置にオブジェクト空間の各点を多重化する新しい光学設計を導入する。
回折変性を強く知覚するカスケードシフトシャッフルスペクトル変換器(CSST)は、空間制約の逆問題を解決するために設計されている。
論文 参考訳(メタデータ) (2023-09-27T16:48:46Z) - Fast Two-step Blind Optical Aberration Correction [15.555393702795076]
本稿では,1つの生画像やJPEG画像の光収差を補正する2段階の手法を提案する。
まず、重複するパッチに対して局所ガウスのぼかしカーネルを推定し、非盲検でそれらをシャープ化する。
第2に、畳み込みニューラルネットワークを用いて、残りの横色収差を除去する。
論文 参考訳(メタデータ) (2022-08-01T16:04:46Z) - Time-multiplexed Neural Holography: A flexible framework for holographic
near-eye displays with fast heavily-quantized spatial light modulators [44.73608798155336]
ホログラフィックの近眼ディスプレイは、バーチャルおよび拡張現実システムに前例のない機能を提供する。
このようなホログラム近眼ディスプレイのカメラ校正波伝搬モデルの進歩を報告する。
我々のフレームワークは,2Dおよび2.5D RGBDイメージ,3D焦点スタック,4D光フィールドなど,さまざまなタイプのコンテンツで実行時の監視を支援するために柔軟である。
論文 参考訳(メタデータ) (2022-05-05T00:03:50Z) - Spectral Splitting and Aggregation Network for Hyperspectral Face
Super-Resolution [82.59267937569213]
高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。
本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。
限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
論文 参考訳(メタデータ) (2021-08-31T02:13:00Z) - 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) - Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。
本手法では, 回折光学素子 (DOE) を用いる。
DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
論文 参考訳(メタデータ) (2020-09-01T14:19:35Z) - Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral
Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。
本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。
実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文 参考訳(メタデータ) (2020-05-18T14:25:50Z)
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。