論文の概要: Ultra-low-light computer vision using trained photon correlations
- arxiv url: http://arxiv.org/abs/2604.11993v1
- Date: Mon, 13 Apr 2026 19:34:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.087083
- Title: Ultra-low-light computer vision using trained photon correlations
- Title（参考訳）: トレーニングされた光子相関を用いた超低照度コンピュータビジョン
- Authors: Mandar M. Sohoni, Jérémie Laydevant, Mathieu Ouellet, Shi-Yuan Ma, Ryotatsu Yanagimoto, Benjamin A. Ash, Tatsuhiro Onodera, Tianyu Wang, Logan G. Wright, Peter L. McMahon,
- Abstract要約: オブジェクト認識のためのコンピュータビジョンパイプラインにおいて、相関光子照明がいかに有利になるかを示す。
従来の非相関イルミネーションに基づくコンピュータビジョンに比べて,最大15ポイントの分類精度向上を示す。
- 参考スコア（独自算出の注目度）: 5.3088794728376465
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Illumination using correlated photon sources has been established as an approach to allowing high-fidelity images to be reconstructed from noisy camera frames by taking advantage of the knowledge that signal photons are spatially correlated whereas detector clicks due to noise are uncorrelated. However, in computer-vision tasks, the goal is often not ultimately to reconstruct an image, but to make inferences about a scene -- such as what object is present. Here we show how correlated-photon illumination can be used to gain an advantage in a hybrid optical-electronic computer-vision pipeline for object recognition. We demonstrate correlation-aware training (CAT): end-to-end optimization of a trainable correlated-photon illumination source and a Transformer backend in a way that the Transformer can learn to benefit from the correlations, using a small number (<= 100) of shots. We show a classification accuracy enhancement of up to 15 percentage points over conventional, uncorrelated-illumination-based computer vision in ultra-low-light and noisy imaging conditions, as well as an improvement over using untrained correlated-photon illumination. Our work illustrates how specializing to a computer-vision task -- object recognition -- and training the pattern of photon correlations in conjunction with a digital backend allows us to push the limits of accuracy in highly photon-budget-constrained scenarios beyond existing methods focused on image reconstruction.
- Abstract（参考訳）: 相関光子源を用いた照明は、ノイズによる検出クリックが非相関であるのに対して、信号光子が空間的に相関しているという知識を生かして、ノイズの多いカメラフレームから高忠実な画像の再構成を可能にするアプローチとして確立されている。
しかし、コンピュータビジョンのタスクでは、ゴールはイメージを最終的に再構築することではなく、どのオブジェクトが存在するかなど、シーンに関する推論を行うことである。
ここでは、オブジェクト認識のためのハイブリッド光電子コンピュータビジョンパイプラインにおいて、相関光子照明が有利であることを示す。
トレーニング可能な相関光照明源とトランスフォーマーバックエンドのエンドツーエンドの最適化を,少数のショット数(<=100)を用いて,トランスフォーマーが相関の恩恵を受けることができるように示す。
超低照度・雑音画像における従来の非相関イルミネーションに基づくコンピュータビジョンよりも最大15%の精度向上と、非相関光子照明の使用による改善を示す。
我々の研究は、コンピュータビジョンタスク(オブジェクト認識)の特殊化と、デジタルバックエンドと組み合わせて光子相関パターンのトレーニングによって、画像再構成に焦点を当てた既存の方法を超えて、高度に光子予算に制約のあるシナリオにおいて、精度の限界を押し上げることができることを示す。
関連論文リスト
- Machine vision with small numbers of detected photons per inference [6.113660794276782]
光子認識型ニューロモルフィックセンシング(PANS)は、高光子スターベッドシナリオにおけるエンドツーエンドの最適化のためのアプローチである。
PANSを用いて低照度画像分類を行った実証実験を報告する。
また,他の分類,事象検出,画像再構成にPANSをどのように適用できるかを示すシミュレーション研究も報告した。
論文 参考訳（メタデータ） (2026-03-25T06:14:47Z) - PractiLight: Practical Light Control Using Foundational Diffusion Models [78.75949075070595]
PractiLightは、生成された画像における光制御の実践的なアプローチである。
私たちの重要な洞察は、画像内のライティング関係は、自己注意層におけるトークンの相互作用と本質的に類似しているということです。
我々は,パラメータとデータ効率が証明された品質と制御の観点から,最先端の性能を実証する。
論文 参考訳（メタデータ） (2025-09-01T23:38:40Z) - A Non-Uniform Low-Light Image Enhancement Method with Multi-Scale
Attention Transformer and Luminance Consistency Loss [11.585269110131659]
低照度画像強調は、薄暗い環境で収集された画像の知覚を改善することを目的としている。
既存の方法では、識別された輝度情報を適応的に抽出することができず、露光過多や露光過多を容易に引き起こすことができる。
MSATrというマルチスケールアテンション変換器を提案し,光バランスの局所的・グローバル的特徴を十分に抽出し,視覚的品質を向上させる。
論文 参考訳（メタデータ） (2023-12-27T10:07:11Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳（メタデータ） (2023-08-31T04:58:17Z) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳（メタデータ） (2023-08-16T08:46:51Z) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - Spatio-Temporal Outdoor Lighting Aggregation on Image Sequences using
Transformer Networks [23.6427456783115]
本研究は,画像からのノイズ推定を集約した屋外照明推定に焦点をあてる。
ディープニューラルネットワークに基づく最近の研究は、単一画像の照明推定に有望な結果を示しているが、堅牢性に悩まされている。
画像シーケンスの角領域と時間領域でサンプリングされた複数の画像ビューからの照明推定値を組み合わせることで、この問題に対処する。
論文 参考訳（メタデータ） (2022-02-18T14:11:16Z) - Learning optical flow from still images [53.295332513139925]
我々は,容易に利用可能な単一の実画像から,高精度な光学的フローアノテーションを迅速かつ多量に生成するフレームワークを提案する。
既知の動きベクトルと回転角を持つ再構成された環境でカメラを仮想的に移動させる。
我々のデータでトレーニングすると、最先端の光フローネットワークは、実データを見るのに優れた一般化を実現する。
論文 参考訳（メタデータ） (2021-04-08T17:59:58Z) - Back to Event Basics: Self-Supervised Learning of Image Reconstruction
for Event Cameras via Photometric Constancy [0.0]
イベントカメラは、非同期な方法で、低レイテンシで高時間分解能の輝度インクリメントをサンプリングする新しい視覚センサである。
本稿では,光学的フロー推定のための新しい軽量ニューラルネットワークを提案する。
複数のデータセットにまたがる結果から、提案した自己教師型アプローチのパフォーマンスは最先端技術と一致していることがわかる。
論文 参考訳（メタデータ） (2020-09-17T13:30:05Z) - Fast Correlated-Photon Imaging Enhanced by Deep Learning [5.2618075333626075]
強い量子相関を持つ相関光子対は、様々な分野に量子上の利点をもたらすために利用されてきた。
深層学習により強調された高速相関光子イメージングを実験的に提案する。
論文 参考訳（メタデータ） (2020-06-16T18:00:42Z)
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。