論文の概要: Learning Binary Sampling Patterns for Single-Pixel Imaging using Bilevel Optimisation
- arxiv url: http://arxiv.org/abs/2508.19068v1
- Date: Tue, 26 Aug 2025 14:25:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 17:42:38.879227
- Title: Learning Binary Sampling Patterns for Single-Pixel Imaging using Bilevel Optimisation
- Title(参考訳): 2レベル最適化を用いた単画素イメージングのための2値サンプリングパターンの学習
- Authors: Serban C. Tudosie, Alexander Denker, Zeljko Kereta, Simon Arridge,
- Abstract要約: シングルピクセルイメージングは、構造された光パターンで連続的な照明を通して、単一の検出器を使って物体を再構成することができる。
単一画素蛍光顕微鏡などの応用に最適化された,タスク固有の2値照明パターンを学習するための2レベル最適化手法を提案する。
- 参考スコア(独自算出の注目度): 39.92310639405595
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Single-Pixel Imaging enables reconstructing objects using a single detector through sequential illuminations with structured light patterns. We propose a bilevel optimisation method for learning task-specific, binary illumination patterns, optimised for applications like single-pixel fluorescence microscopy. We address the non-differentiable nature of binary pattern optimisation using the Straight-Through Estimator and leveraging a Total Deep Variation regulariser in the bilevel formulation. We demonstrate our method on the CytoImageNet microscopy dataset and show that learned patterns achieve superior reconstruction performance compared to baseline methods, especially in highly undersampled regimes.
- Abstract(参考訳): シングルピクセルイメージングは、構造された光パターンで連続的な照明を通して、単一の検出器を使って物体を再構成することができる。
単一画素蛍光顕微鏡などの応用に最適化された,タスク固有の2値照明パターンを学習するための2レベル最適化手法を提案する。
そこで本研究では,2値パターン最適化における2値パターン最適化の非微分不可能な性質を,ストレート・スルー推定器を用いて検討し,両値の定式化にトータル・ディープ・バージョニング・レギュラーを応用した。
The CytoImageNet microscopy dataset and show that learned pattern achieved superior reconstruction performance than baseline method, especially in high undersampled regimes。
関連論文リスト
- Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。
これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。
BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
論文 参考訳(メタデータ) (2025-03-11T11:13:10Z) - Quantum super-resolution microscopy by photon statistics and structured light [0.0]
本稿では,光子統計量測定に基づく量子超解像イメージング技術とその高精度なモデリングについて述べる。
我々の再構成アルゴリズムは任意の種類の非ポアソニアンエミッターに適応し、対応する古典的なSOFI法より優れる。
論文 参考訳(メタデータ) (2024-08-21T14:26:08Z) - Adaptive Image Registration: A Hybrid Approach Integrating Deep Learning
and Optimization Functions for Enhanced Precision [13.242184146186974]
本稿では,ディープニューラルネットワークと最適化に基づく画像登録のための単一のフレームワークを提案する。
また, 実験データの最大1.6%の改善と, 同じ推定時間を維持しつつ, 変形場平滑化における1.0%の性能向上を示す。
論文 参考訳(メタデータ) (2023-11-27T02:48:06Z) - Single-photon Image Super-resolution via Self-supervised Learning [6.218646347012887]
SPISR(Single-Photon Image Super-Resolution)は、高分解能の光子計数キューブを、高分解能の低分解能キューブから計算画像アルゴリズムによって回収することを目的としている。
EI(Equivariant Imaging)を単一光子データに拡張することにより、SPISRタスクのための自己教師付き学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-03-03T15:52:01Z) - Explainable bilevel optimization: an application to the Helsinki deblur
challenge [1.1470070927586016]
本稿では,一般画像分解問題の解に対する二段階最適化手法を提案する。
パラメトリック変動のようなアプローチを機械学習スキーム内にカプセル化し、高品質な再構成画像を提供する。
論文 参考訳(メタデータ) (2022-10-18T11:36:37Z) - Toward Real-World Super-Resolution via Adaptive Downsampling Models [58.38683820192415]
本研究では,制約のある事前知識を伴わずに未知のサンプル処理をシミュレートする手法を提案する。
対の例を使わずに対象LR画像の分布を模倣する汎用化可能な低周波損失(LFL)を提案する。
論文 参考訳(メタデータ) (2021-09-08T06:00:32Z) - Joint Optimization of Hadamard Sensing and Reconstruction in Compressed
Sensing Fluorescence Microscopy [9.210673747947165]
本論文では, 全測定制約下でのセンシングと再構成を協調的に最適化する手法を提案する。
私たちは、共焦点、2光子、広視野顕微鏡画像の豊富なデータセットでモデルをトレーニングします。
論文 参考訳(メタデータ) (2021-05-17T15:42:28Z) - TSIT: A Simple and Versatile Framework for Image-to-Image Translation [103.92203013154403]
画像間翻訳のためのシンプルで多用途なフレームワークを提案する。
新たに提案した特徴変換を用いた2ストリーム生成モデルを提案する。
これにより、マルチスケールのセマンティック構造情報とスタイル表現を効果的に捕捉し、ネットワークに融合させることができる。
体系的な研究は、提案手法をいくつかの最先端タスク固有のベースラインと比較し、知覚的品質と定量的評価の両面での有効性を検証する。
論文 参考訳(メタデータ) (2020-07-23T15:34:06Z) - Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-03-27T21:28:54Z) - Provable Representation Learning for Imitation Learning via Bi-level
Optimization [60.059520774789654]
現代の学習システムにおける一般的な戦略は、多くのタスクに有用な表現を学ぶことである。
我々は,複数の専門家の軌道が利用できるマルコフ決定過程(MDP)の模倣学習環境において,この戦略を研究する。
このフレームワークは,行動のクローン化と観察-アローンの模倣学習設定のためにインスタンス化する。
論文 参考訳(メタデータ) (2020-02-24T21:03:52Z)
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。