論文の概要: DynGhost: Temporally-Modelled Transformer for Dynamic Ghost Imaging with Quantum Detectors

• arxiv url: http://arxiv.org/abs/2605.10185v2
• Date: Sun, 17 May 2026 20:07:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 23:51:08.248638
• Title: DynGhost: Temporally-Modelled Transformer for Dynamic Ghost Imaging with Quantum Detectors
• Title（参考訳）: DynGhost:量子検出器を用いた動的ゴーストイメージングのためのテンポラリモデル変換器
• Authors: Vittorio Palladino, Ahmet Enis Cetin,
• Abstract要約: ゴーストイメージングは、構造的照明パターンとスカラー強度の測定とを関連付けて、1ピクセルのバケット検出器から空間情報を再構成する。 既存のアーキテクチャはフレーム全体の時間的コヒーレンスを利用することができず、ダイナミックゴーストイメージングはほとんど未解決のままである。 我々は空間的および時間的注意ブロックの交互化による制限に対処するトランスフォーマーアーキテクチャDynGhostを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ghost imaging reconstructs spatial information from a single-pixel bucket detector by correlating structured illumination patterns with scalar intensity measurements. While deep learning approaches have achieved promising results on static scenes, two critical limitations remain unaddressed: existing architectures fail to exploit temporal coherence across frames, leaving dynamic ghost imaging largely unsolved, and they assume additive Gaussian noise models that do not reflect the true Poissonian statistics of real single-photon hardware. We present DynGhost (Dynamic Ghost Imaging Transformer), a transformer architecture that addresses both limitations through alternating spatial and temporal attention blocks. Our quantum-aware training framework, based on physically accurate detector simulations (SNSPDs, SPADs, SiPMs) and Anscombe variance-stabilizing normalization, resolves the distribution shift that causes classical models to fail under realistic hardware constraints. Experiments across multiple benchmarks demonstrate that DynGhost outperforms both traditional reconstruction methods and existing deep learning architectures, with particular gains in dynamic and photon-starved settings.
• Abstract（参考訳）: ゴーストイメージングは、構造的照明パターンとスカラー強度の測定とを関連付けて、1ピクセルのバケット検出器から空間情報を再構成する。 既存のアーキテクチャではフレーム間の時間的コヒーレンスを利用できず、ダイナミックゴーストイメージングはほとんど未解決のままであり、実際の単光子ハードウェアの真のポアソニアン統計を反映しない付加的なガウスノイズモデルを想定している。 我々はDynGhost(Dynamic Ghost Imaging Transformer, 動的ゴーストイメージング変換器)を提案する。 物理精度の高い検出器シミュレーション(SNSPD,SPAD,SiPM)とAnscombe分散安定化正規化に基づく量子認識トレーニングフレームワークは,従来のモデルが現実的なハードウェア制約下で失敗する原因となる分散シフトを解消する。 複数のベンチマークでの実験では、DynGhostは従来の再構築手法と既存のディープラーニングアーキテクチャの両方に優れており、特に動的および光子スターベッド設定が向上している。

関連論文リスト

• A Physically-Grounded Attack and Adaptive Defense Framework for Real-World Low-Light Image Enhancement [11.903420482259257]
  限られた照明は、しばしば画像の厳しい物理的ノイズと細部劣化を引き起こす。 既存の低光画像強調法(LLIE)は、拡張プロセスをブラインドブラックボックスマッピングとして扱う。 本稿では,物理に基づく攻撃とディスプレイ適応防衛のパラダイムとして概念的に定式化された新しいLLIE手法を提案する。
  論文  参考訳（メタデータ） (2026-03-15T09:44:54Z)
• gQIR: Generative Quanta Image Reconstruction [18.400282448827507]
  本稿では,大きなテキストから画像への潜伏拡散モデルを量子バースト画像の光子制限領域に適応させる手法を提案する。 潜時空間の復元とバーストレベルの時間的推論を組み合わせることで,光度に忠実かつ知覚的に快く再現する。
  論文  参考訳（メタデータ） (2026-02-23T23:33:00Z)
• HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
  イベントカメラは例外的な時間分解能と範囲(モード)を提供する RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
  論文  参考訳（メタデータ） (2025-10-22T13:15:13Z)
• Total Variation Subgradient Guided Image Fusion for Dual-Camera CASSI System [3.414706880536149]
  分光画像技術は、スペクトル、空間、時間分解能のバランスをとる上で、長年にわたって根本的な課題に直面してきた。 従来のモデルベースの手法は、手作りの固有の画像に頼っているため、限られた性能を示す。 本稿では,全変動(TV)下降理論を統合したデュアルカメラCASSI再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-13T16:57:06Z)
• Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
  本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。 実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• Robust CLIP-Based Detector for Exposing Diffusion Model-Generated Images [13.089550724738436]
  拡散モデル(DM)は画像生成に革命をもたらし、様々な分野にまたがる高品質な画像を生成する。 超現実的画像を作成する能力は、現実的コンテンツと合成的コンテンツを区別する上で大きな課題となる。 この研究は、CLIPモデルによって抽出された画像とテキストの特徴をMLP(Multilayer Perceptron)分類器と統合する堅牢な検出フレームワークを導入する。
  論文  参考訳（メタデータ） (2024-04-19T14:30:41Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• DynaST: Dynamic Sparse Transformer for Exemplar-Guided Image Generation [56.514462874501675]
  本稿では,動的スパースアテンションに基づくトランスフォーマーモデルを提案する。 このアプローチの核心は、ある位置がフォーカスすべき最適なトークン数の変化をカバーすることに特化した、新しいダイナミックアテンションユニットです。 3つの応用、ポーズ誘導型人物画像生成、エッジベース顔合成、歪みのない画像スタイル転送の実験により、DynaSTは局所的な詳細において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-07-13T11:12:03Z)

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。