論文の概要: End-to-End Optimization of Incoherent Imaging for Classification Under Detector-Limited Readout
- arxiv url: http://arxiv.org/abs/2606.09792v1
- Date: Mon, 08 Jun 2026 17:48:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:07.61332
- Title: End-to-End Optimization of Incoherent Imaging for Classification Under Detector-Limited Readout
- Title（参考訳）: インコヒーレントイメージングのエンド・ツー・エンド最適化
- Authors: Archer Wang, Joshua Chen, Sachin Vaidya, Marin Soljačić,
- Abstract要約: 本稿では, 物体分類, 中心画像タスクに着目し, 不整合イメージングのための位相マスクのエンド・ツー・エンド最適化により, 性能が向上するかどうかを問う。
これらの利得は、主に制限された検出器の読み出しで発生し、完全な検出器の読み出しでは制限されている。
- 参考スコア（独自算出の注目度）: 2.6207362827093044
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: End-to-end co-optimization of optical front-ends (e.g. metasurfaces) and neural network back-ends has been widely applied to imaging tasks, yet a formalism characterizing when and why such systems outperform conventional lens-based imaging is largely lacking. This paper focuses on object classification, a central imaging task, and asks when end-to-end optimization of a phase mask for incoherent imaging improves performance over a conventional focusing lens. We find that these gains arise primarily under constrained detector readout and are limited under full detector readout. In the latter setting, we prove that no incoherent phase mask exceeds the ideal-channel mutual information between detector measurements and class labels; a conventional focusing lens approaches this ceiling, and joint optimization yields no empirical gain. When detector readout is constrained -- by coarse spatial sampling or a limited number of measurements -- optimized optics can substantially improve classification by increasing class separability in the detector measurements. These gains are largest under low detector noise and shrink as noise grows, because the optics shape the signal before it reaches the detector but cannot remove noise added afterward. The advantage also depends on the spectral structure of the task: co-design helps most when class-discriminative content is concentrated at lower spatial frequencies than within-class variation. We develop a theoretical framework formalizing these distinctions and test its predictions on synthetic data and standard benchmarks (MNIST, FashionMNIST, SVHN).
- Abstract（参考訳）: 光フロントエンド(例えば、準曲面)とニューラルネットワークのバックエンドのエンドツーエンドの協調最適化は、イメージングタスクに広く適用されているが、そのようなシステムが従来のレンズベースのイメージングよりも優れている理由と理由を特徴付けるフォーマリズムである。
本稿では, 物体分類, 中心撮影タスクに着目し, 従来の集束レンズの位相マスクのエンドツーエンド最適化により, 従来型の集束レンズの性能が向上するかどうかを問う。
これらの利得は、主に制限された検出器の読み出しで発生し、完全な検出器の読み出しでは制限されている。
後者の設定では、非コヒーレント位相マスクが検出器測定とクラスラベル間の理想的なチャネル相互情報を超えないことが証明され、従来の集束レンズがこの天井に近づき、共同最適化では経験的な利得が得られない。
検出器の読み出しが(粗い空間サンプリングや限られた測定数によって)制限されている場合、最適化された光学は検出器の測定におけるクラス分離性を高めて分類を大幅に改善することができる。
これらの利得は、低検出器ノイズの下で最大であり、ノイズが大きくなるにつれて収縮する。
共設計は、クラス識別内容がクラス内変動よりも低い空間周波数に集中する場合に最も役立ちます。
我々はこれらの区別を形式化し、その予測を合成データと標準ベンチマーク(MNIST, FashionMNIST, SVHN)で検証する理論フレームワークを開発した。
関連論文リスト
- Measurement-Adapted Eigentask Representations for Photon-Limited Optical Readout [7.173241044998128]
下流の推測は、分類や意思決定の前にノイズの多い高次元センサーの測定がどのように表現されるかに依存する。
固有タスクは、ノイズ下での可解性に応じて読み出し特徴を順序付けすることで、光学センサ出力の計測適応表現を提供することを示す。
論文 参考訳（メタデータ） (2026-05-11T05:35:08Z) - Passive Imaging with Quantum Advantage [40.27113751459193]
検出前に入射光を光学的に前処理することで、このノイズの影響を低減できる手法を提案し、実装する。
フーリエ領域分割(FDD)と呼ばれるこの手法は、フーリエ平面を複数の領域に分割し、独立検出および画像再構成のための後処理を行う。
我々は,この手法を顕微鏡で実証し,高空間周波数成分上でのフィッシャー情報の5倍の精度向上を実現した。
論文 参考訳（メタデータ） (2026-05-07T10:06:49Z) - Self-Supervised Angular Deblurring in Photoacoustic Reconstruction via Noisier2Inverse [2.812291464467386]
光音響トモグラフィ(PAT)は、光学コントラストと超音波分解能を組み合わせた新しい画像モダリティである。
本研究では,地中構造データを必要とすることなく,有限サイズの検出器効果に対処するNoisier2Inverseに基づく自己教師型再構成手法を提案する。
提案手法はノイズ測定を直接処理し,高画質のPAT画像を地道な方法で復元する方法を学習する。
論文 参考訳（メタデータ） (2026-04-17T04:07:11Z) - Foundation Visual Encoders Are Secretly Few-Shot Anomaly Detectors [58.75916798814376]
FoundADと呼ばれる数発の異常検出装置を開発した。
画像中の異常量は学習した埋め込みの差と直接相関する。
簡単な演算子は、画像中の分布外領域を特徴付け識別する異常検出の有効なツールとして機能する。
論文 参考訳（メタデータ） (2025-10-02T11:53:20Z) - Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection [50.343419243749054]
異常検出は、医学診断や工業的欠陥検出などの分野において重要である。
CLIPの粗粒化画像テキストアライメントは、微粒化異常に対する局所化と検出性能を制限する。
クレーンは最先端のZSADを2%から28%に改善し、画像レベルとピクセルレベルの両方で、推論速度では競争力を維持している。
論文 参考訳（メタデータ） (2025-04-15T10:42:25Z) - Unpaired Optical Coherence Tomography Angiography Image Super-Resolution via Frequency-Aware Inverse-Consistency GAN [6.717440708401628]
本稿では,GANに基づくOCTA画像の非ペア化超解像法を提案する。
また,再構成画像の正確なスペクトル化を容易にするため,識別器の周波数認識による逆方向の損失も提案する。
実験により,本手法は,他の最先端の未経験手法よりも定量的,視覚的に優れていることが示された。
論文 参考訳（メタデータ） (2023-09-29T14:19:51Z) - On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。
ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。
これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
論文 参考訳（メタデータ） (2021-07-02T15:10:42Z) - Light Lies: Optical Adversarial Attack [24.831391763610046]
本稿では, 画像センサに到達した光界情報を物理的に変化させて, 分類モデルが誤分類を生じさせる光学対向攻撃を提案する。
シミュレーションと実際のハードウェア光システムの両方に基づく実験を行い,提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2021-06-18T04:20:49Z) - Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution [51.274657266928315]
そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。
具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
論文 参考訳（メタデータ） (2021-04-07T12:00:38Z) - Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in
Frequency Domain [88.7339322596758]
本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。
SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
論文 参考訳（メタデータ） (2021-03-02T16:45:08Z) - 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。