論文の概要: Maximum Likelihood Reconstruction for Multi-Look Digital Holography with Markov-Modeled Speckle Correlation
- arxiv url: http://arxiv.org/abs/2604.20154v1
- Date: Wed, 22 Apr 2026 03:36:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:10.95327
- Title: Maximum Likelihood Reconstruction for Multi-Look Digital Holography with Markov-Modeled Speckle Correlation
- Title（参考訳）: Markov-Modeled Speckle correlation を用いた多点デジタルホログラフィーの最大形状再構成
- Authors: Xi Chen, Arian Maleki, Shirin Jalali,
- Abstract要約: デジタルホログラフィーなどのコヒーレントイメージングシステムにおいて、マルチルック取得はスペックルノイズを低減するために広く利用されている戦略である。
実際、ハードウェアの制約は測定の多様性を制限し、従来の手法の性能を低下させるルック間相関に繋がる。
複素数値多視点計測によるスペックルフリー反射率の再現について, 相関スペックルの存在下での再現について検討した。
- 参考スコア（独自算出の注目度）: 18.93229414605695
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-look acquisition is a widely used strategy for reducing speckle noise in coherent imaging systems such as digital holography. By acquiring multiple measurements, speckle can be suppressed through averaging or joint reconstruction, typically under the assumption that speckle realizations across looks are statistically independent. In practice, however, hardware constraints limit measurement diversity, leading to inter-look correlation that degrades the performance of conventional methods. In this work, we study the reconstruction of speckle-free reflectivity from complex-valued multi-look measurements in the presence of correlated speckle. We model the inter-look dependence using a first-order Markov process and derive the corresponding likelihood under a first-order Markov approximation, resulting in a constrained maximum likelihood estimation problem. To solve this problem, we develop an efficient projected gradient descent framework that combines gradient-based updates with implicit regularization via deep image priors, and leverages Monte Carlo approximation and matrix-free operators for scalable computation. Simulation results demonstrate that the proposed approach remains robust under strong inter-look correlation, achieving performance close to the ideal independent-look scenario and consistently outperforming methods that ignore such dependencies. These results highlight the importance of explicitly modeling inter-look correlation and provide a practical framework for multi-look holographic reconstruction under realistic acquisition conditions. Our code is available at: https://github.com/Computational-Imaging-RU/MLE-Holography-Markov.
- Abstract（参考訳）: デジタルホログラフィーなどのコヒーレントイメージングシステムにおいて、マルチルック取得はスペックルノイズを低減するために広く利用されている戦略である。
複数の測定値を取得することで、スペックルが統計的に独立であるという仮定の下で、平均化や関節再建によってスペックルを抑えることができる。
しかし、実際にはハードウェアの制約によって測定の多様性が制限され、従来の手法の性能が低下する。
本研究では, 相関スペックルの存在下での複素数値多視点計測によるスペックルフリー反射率の再構成について検討する。
我々は、一階マルコフ過程を用いて視線間依存をモデル化し、一階マルコフ近似の下で対応する確率を導出し、制約付き最大推定問題を導出する。
この問題を解決するために,勾配に基づく更新と深部画像の事前処理による暗黙の正規化を組み合わせた効率的な勾配勾配降下フレームワークを開発し,モンテカルロ近似と行列のない演算子を拡張性のある計算に活用する。
シミュレーションの結果、提案手法は、強い視点間相関の下で頑健であり、理想的な独立観シナリオに近い性能を達成し、そのような依存関係を無視するメソッドを一貫して上回ることを示す。
これらの結果は,視線間相関を明示的にモデル化することの重要性を強調し,現実的な獲得条件下での多視点ホログラフィック再構成のための実践的枠組みを提供する。
私たちのコードは、https://github.com/Computational-Imaging-RU/MLE-Holography-Markovで利用可能です。
関連論文リスト
- Monte Carlo Maximum Likelihood Reconstruction for Digital Holography with Speckle [18.93229414605695]
コヒーレントイメージングでは、スペックルは統計的に乗法ノイズとしてモデル化され、画像再構成の根本的な課題となっている。
本稿では,勾配計算における行列逆変換を伴わずに,スケーラブルなMLE最適化を実現するランダム化線形代数手法を提案する。
私たちのコードは、https://github.com/Computational-Imaging-RU/MC_Maximum_Likelihood_Digital_Holography_Speckleで利用可能です。
論文 参考訳（メタデータ） (2026-02-10T22:31:22Z) - Post-processing optimization and optimal bounds for non-adaptive shadow tomography [0.12234742322758417]
オーバーコンプリートPOVMは、多くのトモグラフィーおよび推定タスクにおいて、最小限の完全な測定を上回ることが知られている。
我々は、凸最小値問題として再構成係数の選択を定式化し、収束を保証するアルゴリズムを与える。
数値的な例は、結果として得られる推定器がサンプリングの複雑さを劇的に減らすことを示している。
論文 参考訳（メタデータ） (2026-01-22T19:01:01Z) - Solving Inverse Problems with FLAIR [68.87167940623318]
本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。
標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
論文 参考訳（メタデータ） (2025-06-03T09:29:47Z) - Rethinking Contrastive Learning in Graph Anomaly Detection: A Clean-View Perspective [54.605073936695575]
グラフ異常検出は、Webセキュリティやファイナンシャル不正検出などの分野で広く応用されているグラフベースのデータにおいて、異常なパターンを特定することを目的としている。
既存の手法は対照的な学習に依存しており、ノードとその局所部分グラフの間のより低い類似性は異常を示すと仮定する。
干渉エッジの存在は、対照的な学習過程を損なう破壊的なノイズをもたらすため、この仮定を無効にする。
コントラスト学習プロセスにおいて重要な干渉源を特定するために,複数スケールの異常認識モジュールを含むクリーンビュー拡張グラフ異常検出フレームワーク(CVGAD)を提案する。
論文 参考訳（メタデータ） (2025-05-23T15:05:56Z) - Integrating Generative and Physics-Based Models for Ptychographic Imaging with Uncertainty Quantification [0.0]
Ptychographyは、走査コヒーレントな回折イメージング技術であり、拡張サンプルのナノメートル規模の特徴を撮像することができる。
本稿では,近隣のスキャン位置間の重複を少なくしながらも効果的に機能するptychographyのベイズ逆解析法を提案する。
論文 参考訳（メタデータ） (2024-12-14T16:16:37Z) - Clusterpath Gaussian Graphical Modeling [0.0]
ガウス図形モデル(CGGM)のクラスタパス推定器について紹介する。
変数をまとめてグループ化すると、ブロック構造的精度行列が生成される。
我々はCGGMが一致しただけでなく、しばしばグラフィカルモデルにおける変数クラスタリングの他の最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-06-30T10:11:18Z) - Joint Graph Learning and Model Fitting in Laplacian Regularized
Stratified Models [5.933030735757292]
ラプラシア正規化成層モデル(Laplacian regularized Stratified Model、LRSM)は、サブプロブレムの明示的または暗黙的なネットワーク構造を利用するモデルである。
本稿では,LRSMにおけるグラフ重みの重要性と感度を示し,その感度が任意に大きいことを示す。
本稿では,1つの最適化問題を解くことで,モデルパラメータを適合させながらグラフを共同学習する汎用的手法を提案する。
論文 参考訳（メタデータ） (2023-05-04T06:06:29Z) - ChiroDiff: Modelling chirographic data with Diffusion Models [132.5223191478268]
チャーログラフィーデータのための強力なモデルクラスである「拡散確率モデル(Denoising Diffusion Probabilistic Models)」やDDPMを導入している。
我々のモデルは「ChiroDiff」と呼ばれ、非自己回帰的であり、全体論的概念を捉えることを学び、したがって高い時間的サンプリングレートに回復する。
論文 参考訳（メタデータ） (2023-04-07T15:17:48Z) - Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。
本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。
次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文 参考訳（メタデータ） (2020-10-25T18:51:15Z) - Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。
本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-29T21:41:31Z)
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。