近场点状波束聚焦：一种关联感知的迁移学习方法
通过开发深度学习重建方法，我们为实时近场多输入多输出（MIMO）雷达成像系统提供了一种新颖的非迭代重建方法，旨在在压缩设置下以较低的计算成本实现高质量图像。
Dec, 2023
KeyNeRF是一种在少样本情况下训练NeRF的简单而有效的方法，通过关注关键信息光线，首先通过一个视图选择算法在相机级别选择这样的光线，该算法在促进基线多样性的同时保证场景全面覆盖，然后通过基于局部图像熵的概率分布进行像素级的采样。我们的方法在与最先进的方法进行比较时表现出色，同时对现有的NeRF代码库的改动要求较小。
Dec, 2023
使用固定预算多臂赌博框架开发了一种学习算法，通过初始值探索指定波束forming的相移参数及最大程度地增强接收器的接收信号强度，该算法在广泛的模拟中表现出优于现有算法的性能。
Dec, 2023
本研究论文提出了一种适应实际相机空间变异点扩散函数的像差感知散焦深度计算方法，并通过自监督学习利用实际清晰与模糊图像对来获取相机的空间变异点扩散函数，同时处理了实际深度感知时出现的焦距呼吸现象，合成和真实数据的实验证明了方法在点扩散函数和深度感知方面的有效性。
Feb, 2024
我们设计了一个基于光学分束器的混合光场成像原型，可以同时记录4D光场图像和高分辨率的2D图像，并生成混合光场数据集。然后，我们提出了一种基于无监督学习的超分辨率框架，利用混合光场数据集自适应地解决具有复杂退化模型的光场空间超分辨率问题。我们的方法在实验证明了与基于监督学习的最先进方法具有相同的优势。据我们所知，这是光场成像研究中第一种端到端无监督学习的空间超分辨率方法，其输入可以从我们的基于光学分束器的混合光场系统中获得。硬件和软件的结合有望在很大程度上促进光场超分辨率的应用。
Feb, 2024
我们提出了一种利用编码孔径和事件相机结合的计算成像方法，通过在单次曝光中应用一系列编码模式来记录视差信息，并使用图像帧和事件共同计算重建光场的算法流程，该方法可在单次曝光中实现比其他成像方法更准确的重建，并且在相机上能够以22毫秒内完成测量的硬件原型表现出令人信服的视觉质量。
Mar, 2024
使用基于无监督深度学习的近场波束赋形方法，提出了一种解决极大规模阵列(ELAA)通信系统中波束训练开销问题的方法，该方法通过优化波束形成器来最大化多用户网络中的可达速率，并显著降低近场区域的波束训练成本。
Jun, 2024
我们提出了一种能够实时全息波束引导的元表面天线。通过元原子状态的具体编码，可生成可重构偶极子阵列通过辐射在需求场模式。我们提出了一种基于深度学习的方法来控制具有变化状态的点偶极天线元表面天线。我们采用了一种深度学习算法，将自动编码器与电磁散射方程相结合，以实时确定目标远场模式所需的状态。散射方程从Born近似中用作训练神经网络的解码器，并使用解析格林函数计算来检查Born近似的有效性。我们的学习算法仅需计算时间不超过200微秒，即可确定元原子状态，从而实现全息天线的实时操作。
Jun, 2024
光学超振荡技术可实现超越衍射极限的远场超分辨成像，但现有空间超分辨成像系统中的超振荡透镜仍存在性能限制。我们提出了一种光学超振荡衍射神经网络，即SODNN，它在现有方法的基础上具有卓越的性能，能够实现超越衍射极限的超分辨空间分辨率。通过利用衍射层来实现光学互联，并利用成像样本或生物传感器实现非线性，SODNN调制入射光场，在三维空间中产生光学超振荡效应并生成超分辨焦点。通过在入射波长为λ的条件下优化衍射层、在远场距离400λ内产生了一个半高全宽为0.407λ的超振荡斑点，并且场景范围内无副瓣且具有超过10λ的长景深。此外，SODNN实现了多波长和多焦点斑点阵列，有效避免了色差。我们的研究将激发智能光学仪器的发展，以促进成像、传感、感知等应用。
Jun, 2024