論文の概要: Deep Binarized Photonic Reservoir Computing for Ultrafast Multimedia Signal Processing

• arxiv url: http://arxiv.org/abs/2605.30149v1
• Date: Thu, 28 May 2026 16:09:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.469611
• Title: Deep Binarized Photonic Reservoir Computing for Ultrafast Multimedia Signal Processing
• Title（参考訳）: 超高速マルチメディア信号処理のための深部二元化フォトニック貯留層計算
• Authors: Muhammad Waqar Iqbal, Mohamad Alassir, Nicolas Marsal, Damien Rontani,
• Abstract要約: ディジタルマイクロミラーデバイス(DMD)を用いた超高速バイナリ光変調に基づくディープフォトニックニューラルネットワークアーキテクチャを提案する。 本システムは,映像,画像,音声認識などのマルチメディアタスクにおける最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a deep photonic neural network architecture based on ultrafast binary optical modulation from a digital micro-mirror device (DMD), optical scattering in random medium, high-speed photodetection with a CMOS sensor, and time-multiplexed deep layer structure. Operating at Gigabit-per-second (Gb/s) processing rates, our system based on the reservoir computing (RC) framework achieves state-of-the-art performance across various multimedia tasks, including video, image and speech recognition. We show that the careful optimization of key physical intra- and inter-layer hyper-parameters can significantly enhance the deep photonic RC system ability to extract relevant temporal and spatial features via balancing memory retention and dynamical response of individual layers. This approach paves the way for highly scalable hierarchical photonic reservoir computing systems for high-throughput real-time multimedia signal processing.
• Abstract（参考訳）: 本稿では、デジタルマイクロミラー装置(DMD)からの超高速バイナリ光変調に基づくディープフォトニックニューラルネットワークアーキテクチャ、ランダム媒体における光散乱、CMOSセンサによる高速光検出、時間多重化深層構造について述べる。 本システムでは,Gigabit-per-second (Gb/s) 処理速度で動作することにより,映像,画像,音声認識などのマルチメディアタスクにおける最先端性能を実現する。 本研究では, 各層における記憶保持と動的応答のバランスによって, 時間的・空間的特徴を抽出するディープフォトニックRCシステムの性能を著しく向上させることができることを示す。 このアプローチは、高スループットリアルタイムマルチメディア信号処理のための高度にスケーラブルな階層型フォトニック貯水池計算システムを実現する。

関連論文リスト

• High-Speed Full-Color HDR Imaging via Unwrapping Modulo-Encoded Spike Streams [83.83721273785281]
  高速フルカラーHDR取得が可能な全変調HDRイメージングシステムを提案する。 このアプローチの核心は、複数の測定を時間内にインターリーブできる、露出分離型モジュロイメージングの定式化である。 本システムの実現可能性を検証するため,モジュール符号化スパイクストリームに基づく概念実証ハードウェアの実装を実証した。
  論文  参考訳（メタデータ） (2026-04-16T05:20:38Z)
• Compressive single-pixel imaging via a wavelength-multiplexed spatially incoherent diffractive optical processor [9.166592217185306]
  圧縮SPIを実装するために, 波長多重・空間非コヒーレントな回折光学プロセッサと, 小型・浅層デジタル人工ニューラルネットワーク(ANN)の組み合わせを提案する。 単画素検出器は、各照明帯域の出力スペクトル電力を捕捉し、共同で訓練されたデジタルANNによって迅速に復号され、入力画像の再構成を行う。 この研究は、バイオメディカルイメージング、自律デバイス、リモートセンシングなどの応用に有用な圧縮SPIの計算画像フレームワークを実証する。
  論文  参考訳（メタデータ） (2026-03-23T00:30:28Z)
• A 10 Megahertz Spatial Light Modulator [4.469758751844986]
  2次元画素形状と高速の両方を提供する空間光変調器を新たに導入する。 この装置は、ブロードバンド光位相変調器を介して周波数ビン内の空間情報を符号化し、高分解能2D分光計を介して復号する。 我々は,毎秒1000万フレームを超えるフレームレートに対応する44(1)nsのアップタイムを持つサイト分解光パルスを実証した。
  論文  参考訳（メタデータ） (2026-01-13T19:00:00Z)
• A Plug-and-Play Framework for Volumetric Light-Sheet Image Reconstruction [7.8016751308289685]
  従来の光学イメージングは、心臓の動的細胞構造を捉えるのに不十分である。 圧縮センシングと光シート顕微鏡を統合した高性能イメージングフレームワークを提案する。 提案手法は, 優れたデノナイジング性能と画像の明瞭さで, 細胞構造を再構築することに成功した。
  論文  参考訳（メタデータ） (2025-11-05T00:49:00Z)
• Streamlined optical training of large-scale modern deep learning architectures with direct feedback alignment [48.90869997343841]
  我々は,ハイブリッド電子フォトニックプラットフォーム上で,ダイレクトフィードバックアライメントと呼ばれる多目的でスケーラブルなトレーニングアルゴリズムを実験的に実装した。 光処理ユニットは、30ワット以下の1500テラオプスで大規模なランダム行列乗算を行う。 トレーニング時間のスケーリングについて検討し、超深度・広帯域ニューラルネットワークに対するハイブリッド光電子アプローチの潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2024-09-01T12:48:47Z)
• Ultrafast single-channel machine vision based on neuro-inspired photonic computing [0.0]
  ニューロインスパイアされたフォトニックコンピューティングは、超低レイテンシでマシンビジョン処理を高速化するための有望なアプローチである。 本稿では,1つの入力チャネルのみで実世界の視覚情報を光学的に処理する,イメージセンサフリーなマシンビジョンフレームワークを提案する。 提案手法は高速画像認識と異常検出が可能であり,さらに高速撮像にも有効であることを示す。
  論文  参考訳（メタデータ） (2023-02-15T10:08:04Z)
• Scattering-induced entropy boost for highly-compressed optical sensing and encryption [7.502671257653539]
  画像センシングは、大きな視野と高解像度を持つ高品質のマシンビジョンシステムに依存していることが多い。 資源効率の高い画像分類のための新しい画像フリーセンシングフレームワークを提案する。 提案手法は, MNISTデータセットの分類において, サンプリングレートが1%, 5%で95%以上精度が得られた。
  論文  参考訳（メタデータ） (2022-12-16T09:00:42Z)
• TMM-Fast: A Transfer Matrix Computation Package for Multilayer Thin-Film Optimization [62.997667081978825]
  先進的な薄膜構造は、厚みの異なる複数の材料と多数の層から構成される。 複数の変数を持つ複雑な薄膜構造の設計と最適化は、まだ活発な研究が続けられている計算的に重い問題である。 我々は,多層膜を透過する波長と入射角度の異なる光の反射と透過の並列計算を可能にするPythonパッケージTMM-Fastを提案する。
  論文  参考訳（メタデータ） (2021-11-24T14:47:37Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)
• 10-mega pixel snapshot compressive imaging with a hybrid coded aperture [48.95666098332693]
  高解像度画像は私たちの日常生活で広く使われているが、高解像度モードで動作するカメラのフレームレートが低いため、高速ビデオ撮影は困難である。 既存の撮像システムの低スループット化への解決策として、スナップショットイメージング(SCI)が提案された。
  論文  参考訳（メタデータ） (2021-06-30T01:09:24Z)

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。