对于具有宽视场角的摄像头,本论文提出了一种适应自然场景空间频率响应(NS-SFR)算法的改进方法,探究图像质量在数据集中的影响。
Jan, 2024
本论文提出一种新的评估汽车挡风玻璃光学质量的概念,呈现主要的指标无法准确捕获挡风玻璃的相关光学属性,同时展示了传统的光学性能评估指标不能单独适用于挡风玻璃上,因为挡风玻璃是和摄像机光学系统共同组成一个新的光学系统。并提出使用仿真技术将这种光学质量与人工智能算法的性能联系起来,从而实现汽车挡风玻璃光学质量的独立检测。
May, 2023
本研究提出了一个基于模型的优化框架,用于从加工样本的空间频率响应中构建代理相机,进而为训练基于学习的算法提供光学畸变和随机制造偏差的合成数据对,并利用超扩张全方位动态卷积来纠正制造降解,从而实现全面的计算摄影。
通过使用分数傅里叶变换(FrFT)进行时间频率信号处理,采用基于 Transformer 的神经网络(NN)突破了网络性能限制,精确估计了广泛范围内的线性和非线性失真,代表了光学性能监测领域的重要进展。
Aug, 2023
利用自监督学习,提出一种物理信息掩蔽自动编码器 (PiMAE),能够通过直接从原始显微图像中学习估计点扩散函数 (PSF) 和发射源的值,这种方法优于传统方法,展示了可行的机制实现在光学显微镜中实现更精确的成像。
Apr, 2023
该研究提出了一种新方法来评估光学成像技术,该方法基于可逆神经网络的概念,将多光谱测量映射到全概率分布中以表示解的不确定性,可以帮助优化光学相机设计。
Mar, 2019
本研究提出了一种名为 ARTran 的模型,用于高度近视的光学相干断层扫描(OCT)数据的筛查。通过引入可调整的类别嵌入(ACE)和移动子空间转换矩阵(SST),该模型能够适应不同条件下的筛查,并提供了不确定性评估的证据。实验证明了该方法的有效性和可靠性。
Dec, 2023
该论文提出了一个两步方案来矫正单个图像中的光学像差,其中包括对重叠区域进行局部高斯模糊核的估计和去除横向色差,其中利用了卷积神经网络进行修复。
Aug, 2022
通过引入高维度的神经模型 ——{lens blur field} 和一种实用的获取方法,我们成功解决了现代相机中复杂光学元素导致的光学模糊的建模难题,并展示了通过获取 5D 模糊领域可以揭示出同款智能手机设备的光学行为差异的现象。
Oct, 2023
利用迁移学习和合成数据预训练的神经网络模型,在光学基质乘法器的 Mach-Zehnder 干涉仪网状结构中,通过微调实验数据,有效降低建模误差,并仅使用 25% 的可用数据实现了小于 1 dB 均方根误差。