LoDIP: Low light phase retrieval with deep image prior

要約

位相回復 (PR) は科学イメージングにおける基本的な課題であり、コヒーレント回折イメージング (CDI) などのナノスケール技術を可能にします。
サンプルが放射線損傷を受けやすい用途では、低放射線量でのイメージングが重要になります。
ただし、ほとんどの PR 方法は、非常に高いショット ノイズが存在するため、低線量シナリオでは困難を伴います。
in-situ CDI に代表される光学データ収集セットアップの進歩により、低線量イメージングの可能性が示されています。
しかし、これらは時系列の測定に依存するため、単一画像のアプリケーションには適していません。
同様に、計算の面でも、データ駆動型の位相検索技術は単一画像コンテキストに容易に適応できません。
深層画像事前処理などの深層学習ベースの単一画像手法は、さまざまなイメージング タスクに効果的ですが、PR に適用した場合の成功は限定的でした。
この研究では、単一画像の低線量位相回復の問題に取り組むために、その場 CDI セットアップと暗黙的なニューラル事前分布の力を組み合わせた LoDIP を提案します。
定量的評価により、このタスクにおける LoDIP の優れたパフォーマンスと、実際の実験シナリオへの適用可能性が実証されました。

要約(オリジナル)

Phase retrieval (PR) is a fundamental challenge in scientific imaging, enabling nanoscale techniques like coherent diffractive imaging (CDI). Imaging at low radiation doses becomes important in applications where samples are susceptible to radiation damage. However, most PR methods struggle in low dose scenario due to the presence of very high shot noise. Advancements in the optical data acquisition setup, exemplified by in-situ CDI, have shown potential for low-dose imaging. But these depend on a time series of measurements, rendering them unsuitable for single-image applications. Similarly, on the computational front, data-driven phase retrieval techniques are not readily adaptable to the single-image context. Deep learning based single-image methods, such as deep image prior, have been effective for various imaging tasks but have exhibited limited success when applied to PR. In this work, we propose LoDIP which combines the in-situ CDI setup with the power of implicit neural priors to tackle the problem of single-image low-dose phase retrieval. Quantitative evaluations demonstrate the superior performance of LoDIP on this task as well as applicability to real experimental scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google