論文の概要: Accurate Simulation Pipeline for Passive Single-Photon Imaging

• arxiv url: http://arxiv.org/abs/2601.12850v1
• Date: Mon, 19 Jan 2026 09:04:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.824249
• Title: Accurate Simulation Pipeline for Passive Single-Photon Imaging
• Title（参考訳）: 受動単光子イメージングのための高精度シミュレーションパイプライン
• Authors: Aleksi Suonsivu, Lauri Salmela, Leevi Uosukainen, Edoardo Peretti, Radu Ciprian Bilcu, Giacomo Boracchi,
• Abstract要約: 単光雪崩ダイオード(SPAD)は、新しくて有望な撮像センサーである。 SPADセンサーの高価格化と限られた可用性のため、正確なデータシミュレーションパイプラインの需要はかなり大きい。 本稿では、SPADシミュレーションパイプラインを包括的に提供し、2つの商用SPADセンサを用いて複数の実験で検証する。
• 参考スコア（独自算出の注目度）: 13.13653190702911
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-Photon Avalanche Diodes (SPADs) are new and promising imaging sensors. These sensors are sensitive enough to detect individual photons hitting each pixel, with extreme temporal resolution and without readout noise. Thus, SPADs stand out as an optimal choice for low-light imaging. Due to the high price and limited availability of SPAD sensors, the demand for an accurate data simulation pipeline is substantial. Indeed, the scarcity of SPAD datasets hinders the development of SPAD-specific processing algorithms and impedes the training of learning-based solutions. In this paper, we present a comprehensive SPAD simulation pipeline and validate it with multiple experiments using two recent commercial SPAD sensors. Our simulator is used to generate the SPAD-MNIST, a single-photon version of the seminal MNIST dataset, to investigate the effectiveness of convolutional neural network (CNN) classifiers on reconstructed fluxes, even at extremely low light conditions, e.g., 5 mlux. We also assess the performance of classifiers exclusively trained on simulated data on real images acquired from SPAD sensors at different light conditions. The synthetic dataset encompasses different SPAD imaging modalities and is made available for download. Project page: https://boracchi.faculty.polimi.it/Projects/SPAD-MNIST.html.
• Abstract（参考訳）: 単光雪崩ダイオード(SPAD)は、新しくて有望な撮像センサーである。 これらのセンサーは、各ピクセルにヒットする個々の光子を極端に時間分解能を持って検出し、読み出しノイズを伴わないほど感度が高い。 したがって、SPADは低照度画像の最適選択として際立っている。 SPADセンサーの高価格化と限られた可用性のため、正確なデータシミュレーションパイプラインの需要はかなり大きい。 実際、SPADデータセットの不足は、SPAD固有の処理アルゴリズムの開発を妨げ、学習ベースのソリューションのトレーニングを妨げる。 本稿では、SPADシミュレーションパイプラインを包括的に提供し、2つの商用SPADセンサを用いて複数の実験により検証する。 本シミュレータは, 極低光環境下においても, 再構成フラックスに対する畳み込みニューラルネットワーク(CNN)分類器の有効性を検討するために, セミナーMNISTデータセットの単光子版であるSPAD-MNISTを生成するために用いられる。 また,SPADセンサから得られた実画像のシミュレーションデータにのみ訓練した分類器の性能を,異なる光条件で評価した。 合成データセットは様々なSPAD画像モダリティを含み、ダウンロード可能である。 プロジェクトページ: https://boracchi.faculty.polimi.it/Projects/SPAD-MNIST.html

関連論文リスト

• Towards Realistic Low-Light Image Enhancement via ISP Driven Data Modeling [61.95831392879045]
  深部ニューラルネットワーク(DNN)は近年,低照度画像強調(LLIE)の先導手法となっている。 大幅な進歩にもかかわらず、彼らの出力は、増幅ノイズ、誤ったホワイトバランス、または現実世界のアプリケーションに展開する際の不自然な拡張のような問題を示す可能性がある。 重要な課題は、低照度条件と撮像パイプラインの複雑さを捉える多様な大規模トレーニングデータの欠如である。 本稿では,この課題に対処し,無制限にペア化されたトレーニングデータを生成する,新しい画像信号処理(ISP)駆動型データ合成パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-04-16T15:53:53Z)
• A Plug-and-Play Algorithm for 3D Video Super-Resolution of Single-Photon LiDAR data [5.378429123269604]
  単光子アバランシェダイオード(SPAD)は、個々の光子を検出し、ピコ秒分解能で到着時間を記録できる高度なセンサーである。 本研究では,SPADデータから移動シーンの3次元再構成を改善するための新しい計算画像処理アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-12T16:33:06Z)
• FoveaSPAD: Exploiting Depth Priors for Adaptive and Efficient Single-Photon 3D Imaging [7.350208716861244]
  単一光子アバランシェダイオード(SPAD)は、極度感度や時間分解能などの多くの利点を提供する新興のイメージセンシング技術である。 本稿では,信号対雑音比(SNR)を向上し,計算とメモリ効率を向上させる新しいアルゴリズムとセンシングポリシーを提案する。
  論文  参考訳（メタデータ） (2024-12-03T00:20:01Z)
• MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
  我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。 そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-18T13:32:59Z)
• bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
  疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。 本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2024-10-30T17:30:35Z)
• Time-Resolved MNIST Dataset for Single-Photon Recognition [4.019891355693911]
  時間分解単一光子イメージングは、単一光子の到着をタイムスタンプする能力に特徴付けられる、有望な画像モダリティである。 SPADは、非同期読み出しによるパッシブイメージングに適した、現代的な時間分解ピクセルを実装するための主要な技術である。 本稿では、光子到着の特異性と、時間分解SPADアレイの取得過程に関わる全てのノイズ源を考慮に入れたSPADイメージングの現実的なシミュレーションプロセスについて述べる。
  論文  参考訳（メタデータ） (2024-10-22T06:58:37Z)
• Photon Inhibition for Energy-Efficient Single-Photon Imaging [19.816230454712585]
  単一光子カメラ(SPC)は、困難な画像アプリケーションに最適なセンサーとして登場している。 しかし、SPADの単一光子感度はコストがかかるため、それぞれの光子検出はCMOSカメラよりも多くのエネルギーを消費する。 本稿では,この課題に対処するために,電子フォトトン阻害という計算イメージング手法を提案する。
  論文  参考訳（メタデータ） (2024-09-26T23:19:44Z)
• Zero-Shot Detection of AI-Generated Images [54.01282123570917]
  AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。 機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。 ZEDは精度の点でSoTAよりも平均3%以上改善されている。
  論文  参考訳（メタデータ） (2024-09-24T08:46:13Z)
• Simulating single-photon detector array sensors for depth imaging [2.497104612216142]
  単光雪崩検知器(SPAD)アレイは急速に進歩する技術である。 本研究では,SPADアレイを用いた深度イメージングの基本的な限界を確立するための,頑健で簡単な数値計算手法を確立する。
  論文  参考訳（メタデータ） (2022-10-07T13:23:34Z)

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。