論文の概要: Physics-Informed Graph Neural Network with Frequency-Aware Learning for Optical Aberration Correction

• arxiv url: http://arxiv.org/abs/2512.05683v1
• Date: Fri, 05 Dec 2025 12:58:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:57.029957
• Title: Physics-Informed Graph Neural Network with Frequency-Aware Learning for Optical Aberration Correction
• Title（参考訳）: 光収差補正のための周波数認識学習を用いた物理インフォームグラフニューラルネットワーク
• Authors: Yong En Kok, Bowen Deng, Alexander Bentley, Andrew J. Parkes, Michael G. Somekh, Amanda J. Wright, Michael P. Pound,
• Abstract要約: 光収差は顕微鏡の画質を著しく低下させ、特に試料の深部を撮像する場合に顕著に低下する。 本稿では,Zernike予測と光画像復元を共同で行う物理情報処理フレームワークZRNetを提案する。 本手法は, 画像復元とゼルニケ係数予測の両面において, 様々な顕微鏡法および複雑で大振幅の生体試料を用いた最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 36.496034762040054
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optical aberrations significantly degrade image quality in microscopy, particularly when imaging deeper into samples. These aberrations arise from distortions in the optical wavefront and can be mathematically represented using Zernike polynomials. Existing methods often address only mild aberrations on limited sample types and modalities, typically treating the problem as a black-box mapping without leveraging the underlying optical physics of wavefront distortions. We propose ZRNet, a physics-informed framework that jointly performs Zernike coefficient prediction and optical image Restoration. We contribute a Zernike Graph module that explicitly models physical relationships between Zernike polynomials based on their azimuthal degrees-ensuring that learned corrections align with fundamental optical principles. To further enforce physical consistency between image restoration and Zernike prediction, we introduce a Frequency-Aware Alignment (FAA) loss, which better aligns Zernike coefficient prediction and image features in the Fourier domain. Extensive experiments on CytoImageNet demonstrates that our approach achieves state-of-the-art performance in both image restoration and Zernike coefficient prediction across diverse microscopy modalities and biological samples with complex, large-amplitude aberrations. Code is available at https://github.com/janetkok/ZRNet.
• Abstract（参考訳）: 光収差は顕微鏡の画質を著しく低下させ、特に試料の深部を撮像する場合に顕著に低下する。 これらの収差は光波面の歪みから生じ、Zernike多項式を用いて数学的に表現することができる。 既存の手法はしばしば、限られたサンプルタイプやモダリティに関する軽度の収差にのみ対処し、通常は波面歪みの基盤となる光学物理学を活用せずに、ブラックボックスマッピングとして扱う。 本稿では,Zernike係数予測と光画像復元を共同で行う物理インフォームドフレームワークZRNetを提案する。 我々は、Zernike の多項式間の物理的関係を、基本的な光学原理と整合するアジムタール度調整に基づいて明示的にモデル化する Zernike Graph モジュールを寄贈する。 画像復元とZernike予測の物理的整合性をさらに強化するために、Fourier領域におけるZernike係数予測と画像特徴の整合性を改善するために、周波数認識アライメント(FAA)損失を導入する。 CytoImageNetの広範にわたる実験により, 画像復元とZernike係数予測の両面において, 複雑で大振幅収差を有する生体試料を用いて, 画像復元とZernike係数予測の両面での最先端性を実証した。 コードはhttps://github.com/janetkok/ZRNetで入手できる。

関連論文リスト

• Wavefront Coding for Accommodation-Invariant Near-Eye Displays [1.7240671897505615]
  立体表示における頂点調節競合問題に対処する新しい計算近目表示法を提案する。 本システムは、屈折レンズアイピースと、新しい波面符号化回折光学素子を統合する。 我々は、ウェーブフロント符号化光学と画像前処理モジュールを協調的に最適化するために、エンドツーエンドの学習を採用する。
  論文  参考訳（メタデータ） (2025-10-14T17:52:28Z)
• Examining the Impact of Optical Aberrations to Image Classification and Object Detection Models [58.98742597810023]
  視覚モデルは、ノイズやぼやけなどの乱れに対して頑丈に振る舞う必要がある。 本稿では,OpticsBenchとLensCorruptionsという,ぼやけた汚職の2つのデータセットについて検討する。 ImageNet と MSCOCO における画像分類と物体検出の評価は,様々な事前学習モデルにおいて OpticsBench と LensCorruptions の性能が著しく異なることを示す。
  論文  参考訳（メタデータ） (2025-04-25T17:23:47Z)
• Classification robustness to common optical aberrations [64.08840063305313]
  本稿では,現実的かつ実用的な光ぼけ効果に対するロバスト性を調べるためのベンチマークである OpticsBench を提案する。 ImageNetの実験では、様々な訓練済みのDNNに対して、ディスク形状のカーネルと比較して、パフォーマンスが強いことが示されている。 我々は,光カーネルをデータ拡張として使用することにより,拡張可能なImageNet-100について述べる。
  論文  参考訳（メタデータ） (2023-08-29T08:36:00Z)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• Mobile Image Restoration via Prior Quantization [15.577548135102404]
  本稿では,画像処理システムにおける光収差補正のための事前量子化モデルを提案する。 本モデルでは, 各種前兆と装置の光収差の相関関係を解析することを約束する。
  論文  参考訳（メタデータ） (2023-05-10T05:05:58Z)
• Neural Invertible Variable-degree Optical Aberrations Correction [6.6855248718044225]
  本稿では,その情報ロスレス特性を利用して,可逆的アーキテクチャを用いた新しい収差補正手法を提案する。 アーキテクチャ内では、可変度で収差を処理できる条件付き可逆ブロックを開発する。 本手法は,物理画像シミュレーションによる合成データセットと実捕集データセットの両方を用いて評価する。
  論文  参考訳（メタデータ） (2023-04-12T01:56:42Z)
• Fluctuation-based deconvolution in fluorescence microscopy using plug-and-play denoisers [2.236663830879273]
  蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。 この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
  論文  参考訳（メタデータ） (2023-03-20T15:43:52Z)
• Pixelated Reconstruction of Foreground Density and Background Surface Brightness in Gravitational Lensing Systems using Recurrent Inference Machines [116.33694183176617]
  我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。 従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
  論文  参考訳（メタデータ） (2023-01-10T19:00:12Z)
• Light Lies: Optical Adversarial Attack [24.831391763610046]
  本稿では, 画像センサに到達した光界情報を物理的に変化させて, 分類モデルが誤分類を生じさせる光学対向攻撃を提案する。 シミュレーションと実際のハードウェア光システムの両方に基づく実験を行い,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-06-18T04:20:49Z)

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。