Curriculum Learning for ab initio Deep Learned Refractive Optics

要約

ディープ レンズ最適化は、計算イメージング システムを設計するための新しいパラダイムとして最近登場しましたが、単一の DOE またはメタレンズで構成される単純な光学システム、または優れた初期設計からの複合レンズの微調整に限定されていました。
ここでは、ランダムに初期化された表面から複合レンズの光学設計を ab initio で学習できるため、優れた初期設計の必要性を克服できる、カリキュラム学習に基づくディープ レンズ設計手法を紹介します。
このアプローチは、携帯電話スタイルのフォーム ファクター、非常に非球面の表面、および短いバック フォーカス距離の拡張被写界深度計算カメラの完全自動設計で実証されています。

要約(オリジナル)

Deep lens optimization has recently emerged as a new paradigm for designing computational imaging systems, however it has been limited to either simple optical systems consisting of a single DOE or metalens, or the fine-tuning of compound lenses from good initial designs. Here we present a deep lens design method based on curriculum learning, which is able to learn optical designs of compound lenses ab initio from randomly initialized surfaces, therefore overcoming the need for a good initial design. We demonstrate this approach with the fully-automatic design of an extended depth-of-field computational camera in a cellphone-style form factor, highly aspherical surfaces, and a short back focal length.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google