TiDy-PSFs: Computational Imaging with Time-Averaged Dynamic Point-Spread-Functions

要約

点像分布関数 (PSF) エンジニアリングは、カスタム フェーズ マスクを光学システムに統合して追加情報をキャプチャした画像にエンコードする強力な計算イメージング技術です。
このようなシステムは、ディープ ラーニングと組み合わせて使用​​することで、単眼深度推定、拡張被写界深度イメージング、レンズレス イメージング、およびその他のタスクで最先端のパフォーマンスを提供します。
空間光変調器 (SLM) 技術の最近の進歩に触発されたこの論文は、当然の疑問に答えます。位相マスクを時間の経過とともに動的に変更することで、追加情報をエンコードし、優れた性能を達成できるでしょうか?
最初に、静的位相マスクによって記述される PSF のセットが非凸であり、その結果、動的位相マスクによって生成される時間平均 PSF が根本的により表現力豊かであることを証明します。
次に、シミュレーションで、時間平均動的（TiDy）位相マスクが大幅に改善された単眼深度推定と拡張された被写界深度イメージング性能を提供できることを示します。

要約(オリジナル)

Point-spread-function (PSF) engineering is a powerful computational imaging techniques wherein a custom phase mask is integrated into an optical system to encode additional information into captured images. Used in combination with deep learning, such systems now offer state-of-the-art performance at monocular depth estimation, extended depth-of-field imaging, lensless imaging, and other tasks. Inspired by recent advances in spatial light modulator (SLM) technology, this paper answers a natural question: Can one encode additional information and achieve superior performance by changing a phase mask dynamically over time? We first prove that the set of PSFs described by static phase masks is non-convex and that, as a result, time-averaged PSFs generated by dynamic phase masks are fundamentally more expressive. We then demonstrate, in simulation, that time-averaged dynamic (TiDy) phase masks can offer substantially improved monocular depth estimation and extended depth-of-field imaging performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google