論文の概要: Fourier Optics and Deep Learning Methods for Fast 3D Reconstruction in Digital Holography

• arxiv url: http://arxiv.org/abs/2508.06703v1
• Date: Fri, 08 Aug 2025 21:14:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.515172
• Title: Fourier Optics and Deep Learning Methods for Fast 3D Reconstruction in Digital Holography
• Title（参考訳）: ディジタルホログラフィーにおける高速3次元再構成のためのフーリエ光学と深層学習法
• Authors: Justin London,
• Abstract要約: コンピュータ生成ホログラフィー(CGH)は、デジタルホログラムを用いたユーザ定義の有望な波形である。 パフォーマンス指標は、HoloNetのディープラーニングCGHと同様に、2Dの中央値を使用して改善されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer-generated holography (CGH) is a promising method that modulates user-defined waveforms with digital holograms. An efficient and fast pipeline framework is proposed to synthesize CGH using initial point cloud and MRI data. This input data is reconstructed into volumetric objects that are then input into non-convex Fourier optics optimization algorithms for phase-only hologram (POH) and complex-hologram (CH) generation using alternating projection, SGD, and quasi-Netwton methods. Comparison of reconstruction performance of these algorithms as measured by MSE, RMSE, and PSNR is analyzed as well as to HoloNet deep learning CGH. Performance metrics are shown to be improved by using 2D median filtering to remove artifacts and speckled noise during optimization.
• Abstract（参考訳）: コンピュータ生成ホログラフィー(CGH)は、ユーザ定義波形をデジタルホログラムで変調する有望な手法である。 初期点クラウドとMRIデータを用いてCGHを合成するために,効率的かつ高速なパイプラインフレームワークを提案する。 この入力データをボリュームオブジェクトに再構成し、位相のみのホログラム(POH)と複素ホログラム(CH)生成のための非凸フーリエ光学最適化アルゴリズムに、交互投影法、SGD法、準ネットトン法を用いて入力する。 MSE,RMSE,PSNRによって測定されたこれらのアルゴリズムの再構成性能の比較を行い,HoloNetディープラーニングCGHと比較した。 パフォーマンス指標は、最適化中のアーティファクトやスペックルノイズを取り除くために2D中央フィルタリングを使用することで改善されている。

関連論文リスト

• Learning Wavelet-Sparse FDK for 3D Cone-Beam CT Reconstruction [3.951261552751241]
  古典的アルゴリズムの解釈可能性を維持するFDKベースの拡張ニューラルネットワークを提案する。 我々はウェーブレット変換を利用して、余弦重みとフィルタのスパース表現を作成する。 この戦略的なスペーシフィケーションは、性能を損なうことなくパラメータカウントを9,3.75%$削減する。
  論文  参考訳（メタデータ） (2025-05-19T15:31:40Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)
• A Deep Learning Method for Simultaneous Denoising and Missing Wedge Reconstruction in Cryogenic Electron Tomography [23.75819355889607]
  本稿では,DeepDeWedgeと呼ばれるウェッジ再構築を同時に行う深層学習手法を提案する。 このアルゴリズムは、基礎となる真理データを必要としないため、ニューラルネットワークを自己教師付きロスを用いて2次元投影に適合させることに基づいている。
  論文  参考訳（メタデータ） (2023-11-09T17:34:57Z)
• Generalization of pixel-wise phase estimation by CNN and improvement of phase-unwrapping by MRF optimization for one-shot 3D scan [0.621405559652172]
  シングルパターンプロジェクション(ワンショット3Dスキャン)を用いたアクティブステレオ技術は、産業や医療目的などから広く注目を集めている。 ワンショット3Dスキャンの深刻な欠点はスパース再構成である。 パターンが正規かつ周期的であれば,任意のタイプの静的パターンに適用可能なワンショットスキャンのための画素ワイズ手法を提案する。
  論文  参考訳（メタデータ） (2023-09-26T10:45:04Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
  アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。 これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。 我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
  論文  参考訳（メタデータ） (2022-07-18T06:01:29Z)
• DH-GAN: A Physics-driven Untrained Generative Adversarial Network for 3D Microscopic Imaging using Digital Holography [3.4635026053111484]
  デジタルホログラフィー(Digital holography)は、平面波面を持つレーザービームを物体に放出し、ホログラムと呼ばれる回折波形の強度を測定する3Dイメージング技術である。 近年,より正確なホログラフィック処理に深層学習(DL)法が用いられている。 本稿では, 識別ネットワークを用いて, 復元品質のセマンティック尺度を実現する, 生成的敵ネットワークに基づく新しいDLアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:13:45Z)
• Optimization of phase-only holograms calculated with scaled diffraction calculation through deep neural networks [6.554534012462403]
  コンピュータ生成ホログラム(CGHs)はホログラフィック3次元ディスプレイやホログラフィック投影に用いられる。 位相のみのCGHを用いた再構成画像の品質は、再構成画像の振幅の制御が難しいため劣化する。 本研究では,大規模回折計算と無作為位相自由法を用いて生成した位相のみのCGHをディープラーニングで最適化する。
  論文  参考訳（メタデータ） (2021-12-02T00:14:11Z)
• Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
  そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。 提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2020-02-21T05:19:10Z)

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。