論文の概要: Physics-Aware Style Transfer for Adaptive Holographic Reconstruction

• arxiv url: http://arxiv.org/abs/2507.00482v1
• Date: Tue, 01 Jul 2025 06:56:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.445655
• Title: Physics-Aware Style Transfer for Adaptive Holographic Reconstruction
• Title（参考訳）: 適応ホログラフィ再構成のための物理認識型移動法
• Authors: Chanseok Lee, Fakhriyya Mammadova, Jiseong Barg, Mooseok Jang,
• Abstract要約: インラインホログラフィー画像は、記録された回折パターンから物体の複素振幅を再構成する不適切な逆問題を示す。 本稿では,物体間距離を回折パターン内の暗黙のスタイルとして解釈する物理認識型伝達手法を提案する。 逆写像演算は、強度測定からなるデータセットでのみ適応的に学習可能であることを示す。
• 参考スコア（独自算出の注目度）: 1.8749305679160366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inline holographic imaging presents an ill-posed inverse problem of reconstructing objects' complex amplitude from recorded diffraction patterns. Although recent deep learning approaches have shown promise over classical phase retrieval algorithms, they often require high-quality ground truth datasets of complex amplitude maps to achieve a statistical inverse mapping operation between the two domains. Here, we present a physics-aware style transfer approach that interprets the object-to-sensor distance as an implicit style within diffraction patterns. Using the style domain as the intermediate domain to construct cyclic image translation, we show that the inverse mapping operation can be learned in an adaptive manner only with datasets composed of intensity measurements. We further demonstrate its biomedical applicability by reconstructing the morphology of dynamically flowing red blood cells, highlighting its potential for real-time, label-free imaging. As a framework that leverages physical cues inherently embedded in measurements, the presented method offers a practical learning strategy for imaging applications where ground truth is difficult or impossible to obtain.
• Abstract（参考訳）: インラインホログラフィー画像は、記録された回折パターンから物体の複素振幅を再構成する不適切な逆問題を示す。 最近のディープラーニングアプローチは古典位相探索アルゴリズムよりも有望であるが、2つの領域間の統計的逆写像演算を実現するために、複雑な振幅マップの高品質な基底真理データセットを必要とすることが多い。 本稿では,物体間距離を回折パターン内の暗黙のスタイルとして解釈する物理認識型伝達手法を提案する。 スタイル領域を中間領域として循環画像変換を構築することで、逆マッピング操作は、強度測定からなるデータセットでのみ適応的に学習可能であることを示す。 さらに,動的に血流する赤血球の形態を再構築し,リアルタイムなラベルフリーイメージングの可能性を明らかにすることで,その生体医学的応用性を実証する。 実測に内在する物理的手がかりを生かしたフレームワークとして,本提案手法は,地中真理の取得が困難あるいは不可能なアプリケーションの画像化のための実践的な学習戦略を提供する。

関連論文リスト

• Through a Steerable Lens: Magnifying Neural Network Interpretability via Phase-Based Extrapolation [26.45789667046442]
  本稿では,ネットワーク勾配を無限小運動の形式として扱うことにより,クラス間の暗黙の経路を可視化する新しいフレームワークを提案する。 合成と実世界の両方のデータセットの実験では、フェーズ中心の補間が知覚的に整合し、意味的に意味のある変換をもたらすことが示されている。
  論文  参考訳（メタデータ） (2025-06-02T22:39:40Z)
• Towards Prospective Medical Image Reconstruction via Knowledge-Informed Dynamic Optimal Transport [58.6869774515413]
  本稿では,新しい動的最適輸送フレームワークKIDOTについて紹介する。 KIDOTは、画像から画像への連続的な進化経路として再構成をモデル化し、画像知識インフォームドコスト関数と輸送方程式で導かれる、未完成のデータから学習する。 MRIとCTの再構成実験は、KIDOTの優れた性能を示す。
  論文  参考訳（メタデータ） (2025-05-23T09:05:10Z)
• Single-shot Tomography of Discrete Dynamic Objects [1.1407697960152927]
  ダイナミックトモグラフィーにおける高分解能時間像の再構成法を提案する。 本研究の意義は、断層撮影における動的過程の可視化と解析の改善にまで及んでいる。
  論文  参考訳（メタデータ） (2023-11-09T10:52:02Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• Semantic segmentation of multispectral photoacoustic images using deep learning [53.65837038435433]
  光音響イメージングは医療に革命をもたらす可能性がある。 この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。 本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-20T09:33:55Z)
• Image-to-image Mapping with Many Domains by Sparse Attribute Transfer [71.28847881318013]
  教師なし画像と画像の変換は、2つの領域間の一対のマッピングを、ポイント間の既知のペアワイズ対応なしで学習することで構成される。 現在の慣例は、サイクル一貫性のあるGANでこのタスクにアプローチすることです。 そこで本研究では,ジェネレータを直接,潜在層における単純なスパース変換に制限する代替手法を提案する。
  論文  参考訳（メタデータ） (2020-06-23T19:52:23Z)
• Neural Topological SLAM for Visual Navigation [112.73876869904]
  意味論を生かし、近似幾何学的推論を行う空間のトポロジ的表現を設計する。 本稿では,ノイズのあるアクティベーションの下でそのような表現を構築し,維持し,使用することができる教師付き学習ベースアルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2020-05-25T17:56:29Z)
• Fast Symmetric Diffeomorphic Image Registration with Convolutional Neural Networks [11.4219428942199]
  本稿では,新しい非教師付き対称画像登録手法を提案する。 大規模脳画像データセットを用いた3次元画像登録法について検討した。
  論文  参考訳（メタデータ） (2020-03-20T22:07:24Z)

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。