論文の概要: Mismatch reconstruction theory for unknown measurement matrix in imaging through multimode fiber bending
- arxiv url: http://arxiv.org/abs/2510.21787v1
- Date: Sun, 19 Oct 2025 09:09:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 19:54:32.462581
- Title: Mismatch reconstruction theory for unknown measurement matrix in imaging through multimode fiber bending
- Title（参考訳）: マルチモード繊維曲げによるイメージングにおける未知計測行列のミスマッチ再構成理論
- Authors: Le Yang,
- Abstract要約: 多モードファイバイメージングは、画像再構成を実現するために測定値と測定行列との厳密なマッチングを必要とする。
本稿では,計測行列が不明な場合に画像再構成の問題を解くための新しいミスマッチ再構成理論を提案する。
- 参考スコア（独自算出の注目度）: 3.3030951287597747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multimode fiber imaging requires strict matching between measurement value and measurement matrix to achieve image reconstruction. However, in practical applications, the measurement matrix often cannot be obtained due to unknown system configuration or difficulty in real-time alignment after arbitrary fiber bending, resulting in the failure of traditional reconstruction algorithms. This paper presents a novel mismatch reconstruction theory for solving the problem of image reconstruction when measurement matrix is unknown. We first propose mismatch equation and design matched and calibration solution algorithms to construct a new measurement matrix. In addition, we also provide a detailed proof of these equations and algorithms in the appendix. The experimental results show that under low noise levels, constructed matrix can be used for matched pair in traditional reconstruction algorithms, and reconstruct the original image successfully. Then, we analyze the impact of noise, computational precision and orthogonality on reconstruction performance. The results show that proposed algorithms have a certain degree of robustness. Finally, we discuss the limitations and potential applications of this theory. The code is available: https://github.com/yanglebupt/mismatch-solution.
- Abstract（参考訳）: 多モードファイバイメージングは、画像再構成を実現するために測定値と測定行列との厳密なマッチングを必要とする。
しかし, 実例では, 任意の繊維曲げ後の実時間アライメントが困難であったり, システム構成が不明であったり, 従来の再構成アルゴリズムが失敗したりして, 測定行列を得ることができない場合が多い。
本稿では,計測行列が不明な場合に画像再構成の問題を解くための新しいミスマッチ再構成理論を提案する。
我々はまず,新しい測定行列を構築するために,ミスマッチ方程式と整合・校正解アルゴリズムを提案する。
さらに、これらの方程式とアルゴリズムを付録で詳細に証明する。
実験の結果,低騒音下では,構成された行列を従来の再構成アルゴリズムのマッチングに利用し,元の画像の再構成を成功させることができた。
そして,ノイズ,計算精度,直交性が再建性能に与える影響を解析した。
その結果,提案アルゴリズムはある程度の堅牢性を有することがわかった。
最後に、この理論の限界と潜在的な応用について論じる。
コードは、https://github.com/yanglebupt/mismatch-solution.comで入手できる。
関連論文リスト
- Compressive Imaging Reconstruction via Tensor Decomposed Multi-Resolution Grid Encoding [50.54887630778593]
圧縮画像再構成(CI)は, 圧縮された低次元画像から高次元画像を復元することを目的としている。
既存の教師なし表現は、表現能力と効率の間の望ましいバランスを達成するのに苦労する。
本稿では,CI再構成のための非教師なし連続表現フレームワークである分割多重解像度グリッド符号化(GridTD)を提案する。
論文 参考訳（メタデータ） (2025-07-10T12:36:20Z) - Reconstruction of quantum states by applying an analytical optimization model [1.0499611180329804]
実測値のサイズを制限した場合,既存のアルゴリズムよりも改良が可能であることを示す。
本研究は, 再現問題における解の多重性について, 生成状態と測定モデルによる検討を行った。
論文 参考訳（メタデータ） (2025-01-13T15:21:08Z) - Making Reconstruction-based Method Great Again for Video Anomaly
Detection [64.19326819088563]
ビデオの異常検出は重要な問題だが、難しい問題だ。
既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。
連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
論文 参考訳（メタデータ） (2023-01-28T01:57:57Z) - Curvature regularization for Non-line-of-sight Imaging from
Under-sampled Data [5.591221518341613]
非視線イメージング(NLOS)は、視線で測定されたデータから3次元の隠れたシーンを再構築することを目的としている。
曲率正規化に基づく新しいNLOS再構成モデルを提案する。
提案したアルゴリズムを,合成データセットと実データセットの両方で評価する。
論文 参考訳（メタデータ） (2023-01-01T14:10:43Z) - Density matrix reconstruction using non-negative matrix product states [0.0]
量子状態トモグラフィーは、量子情報処理の鍵となる技術であるが、その複雑さとシステムサイズが指数関数的に増加するため、困難である。
本稿では, 必ずしも指数関数的に成長しない測定結果の集合に基づいて, 最適非負行列積状態近似を反復的に求めるアルゴリズムを提案する。
応用として,本アルゴリズムは脱分極雑音下でのXXZスピン鎖の基底状態を数値的に再現する。
論文 参考訳（メタデータ） (2022-04-26T15:32:35Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z) - Learned Block Iterative Shrinkage Thresholding Algorithm for
Photothermal Super Resolution Imaging [52.42007686600479]
深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。
本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
論文 参考訳（メタデータ） (2020-12-07T09:27:16Z) - ENSURE: A General Approach for Unsupervised Training of Deep Image
Reconstruction Algorithms [29.864637081333086]
この研究は、深層画像再構成アルゴリズムを訓練するための一般的なアプローチとして、ENsemble Stein's Unbiased Risk Estimate (ENSURE)フレームワークを紹介した。
実測データのみを用いるENSURE損失関数は,真の平均二乗誤差の偏りのない推定値であることを示す。
この損失関数でトレーニングされたネットワークは、教師付き設定に匹敵する再構成を提供できることを示す。
論文 参考訳（メタデータ） (2020-10-20T21:18:33Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z) - Learning Mixtures of Low-Rank Models [89.39877968115833]
低ランクモデルの計算混合を学習する問題について検討する。
ほぼ最適サンプルを用いて未知の行列を復元することが保証されるアルゴリズムを開発する。
さらに,提案アルゴリズムはランダムノイズに対して確実に安定である。
論文 参考訳（メタデータ） (2020-09-23T17:53:48Z) - Learnable Descent Algorithm for Nonsmooth Nonconvex Image Reconstruction [4.2476585678737395]
非滑らかな非画像再構成問題を解決するための一般学習ベースのフレームワークを提案する。
提案手法は,画像における画像問題における効率のよい収束状態であることを示す。
論文 参考訳（メタデータ） (2020-07-22T07:59:07Z)
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。