論文の概要: Accelerating 4D Hyperspectral Imaging through Physics-Informed Neural Representation and Adaptive Sampling

• arxiv url: http://arxiv.org/abs/2604.06561v1
• Date: Wed, 08 Apr 2026 01:22:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.285021
• Title: Accelerating 4D Hyperspectral Imaging through Physics-Informed Neural Representation and Adaptive Sampling
• Title（参考訳）: 物理インフォームドニューラル表現と適応サンプリングによる4次元ハイパースペクトルイメージングの高速化
• Authors: Chi-Jui Ho, Harsh Bhakta, Wei Xiong, Nicholas Antipa,
• Abstract要約: 本研究では,高密度空間分解型2DIRハイパースペクトル像をスパース実験から効率的に再構成する物理インフォームド・ニューラル表現手法を提案する。 提案手法は, サンプリング予算の1/32ドルのみを用いて, 高忠実度スペクトル回復を実現し, 全実験時間を最大32倍に短縮する。
• 参考スコア（独自算出の注目度）: 4.125456588936474
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-dimensional hyperspectral imaging (HSI) enables the visualization of ultrafast molecular dynamics and complex, heterogeneous spectra. However, applying this capability to resolve spatially varying vibrational couplings in two-dimensional infrared (2DIR) spectroscopy, a type of coherent multidimensional spectroscopy (CMDS), necessitates prohibitively long data acquisition, driven by dense Nyquist sampling requirements and the need for extensive signal accumulation. To address this challenge, we introduce a physics-informed neural representation approach that efficiently reconstructs dense spatially-resolved 2DIR hyperspectral images from sparse experimental measurements. In particular, we used a multilayer perceptron (MLP) to model the relationship between the sub-sampled 4D coordinates and their corresponding spectral intensities, and recover densely sampled 4D spectra from limited observations. The reconstruction results demonstrate that our method, using a fraction of the samples, faithfully recovers both oscillatory and non-oscillatory spectral dynamics in experimental measurement. Moreover, we develop a loss-aware adaptive sampling method to progressively introduce potentially informative samples for iterative data collection while conducting experiments. Experimental results show that the proposed approach achieves high-fidelity spectral recovery using only $1/32$ of the sampling budget, as opposed to exhaustive sampling, effectively reducing total experiment time by up to 32-fold. This framework offers a scalable solution for accelerating any experiments with hypercube data, including multidimensional spectroscopy and hyperspectral imaging, paving the way for rapid chemical imaging of transient biological and material systems.
• Abstract（参考訳）: 高次元ハイパースペクトルイメージング(HSI)は、超高速分子動力学と複素異種スペクトルの可視化を可能にする。 しかし,2次元赤外分光法(CMDS)では,高密度Nyquistサンプリングの要求と広範囲な信号蓄積の必要性により,不規則に長いデータ取得が必要である。 この課題に対処するために、スパース実験から高密度空間分解2次元赤外線ハイパースペクトル像を効率的に再構成する物理インフォームド・ニューラル表現手法を提案する。 特に, 多層パーセプトロン(MLP)を用いて, サブサンプリングされた4D座標とそれに対応するスペクトル強度の関係をモデル化し, 限られた観測から高密度サンプリングされた4Dスペクトルを復元した。 本手法は, 試料のごく一部を用いて, 振動特性と非振動特性の両方を忠実に回復することを示した。 さらに,実験中に反復データ収集のための潜在的情報的サンプルを段階的に導入する,ロスアウェア適応サンプリング手法を開発した。 実験結果から,提案手法はサンプリング予算の1/32ドルのみを用いて高忠実度スペクトル回復を実現し,全実験時間を最大32倍に短縮できることがわかった。 このフレームワークは、多次元分光法やハイパースペクトルイメージングを含むハイパーキューブデータによる実験を加速するためのスケーラブルなソリューションを提供する。

関連論文リスト

• Super-resolution of ultrafast pulses via spectral inversion [0.0]
  ブロードバンド光(10～100GHz)を対象とした分光超解像法を実験的に実証した。 等輝度の2つの非コヒーレントスペクトル特徴と、コヒーレンス時間当たりの光子との小さな分離を推定するパラダイム的問題について検討した。 この装置は、電気光学タイムレンズとインバージョンを実装したパッシブスペクトル分散器を備えた、アクティブに安定化されたマッハ・ツェンダー型干渉計に基づいている。
  論文  参考訳（メタデータ） (2024-03-18T12:21:37Z)
• Unmixing Optical Signals from Undersampled Volumetric Measurements by Filtering the Pixel Latent Variables [5.74378659752939]
  遅延アンミキシング(Latent Unmixing)は、多次元畳み込みニューラルネットワークの潜時空間に帯域通過フィルタを適用して重なり合う信号成分をアンタングルする新しいアプローチである。 本稿では,本手法の物理実験における実用性について,本手法の汎用性を示す2つの実験事例を通して紹介する。
  論文  参考訳（メタデータ） (2023-12-08T20:34:37Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Boosting the Generalization Ability for Hyperspectral Image Classification using Spectral-spatial Axial Aggregation Transformer [14.594398447576188]
  ハイパースペクトル画像分類(HSIC)タスクでは、最も一般的に使われているモデル検証パラダイムは、画素単位のランダムサンプリングによってトレーニング・テストデータセットを分割することである。 私たちの実験では、トレーニングとテストデータセットが多くの情報を共有しているため、高い精度が達成できたことが分かりました。 本稿では,データセット分割間の一般化を保ったスペクトル-空間軸アグリゲーション変換器モデルSaaFormerを提案する。
  論文  参考訳（メタデータ） (2023-06-29T07:55:43Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
  高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。 本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。 限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-31T02:13:00Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。