Information-driven design of imaging systems

要約

最新の画像システムのほとんどは、人間が見る前に、または人間が見る代わりに、アルゴリズムによってキャプチャしたデータを処理します。
結果として、パフォーマンスは、測定値がどのように解釈可能であるかによって決まるのではなく、アルゴリズム処理のために詳細をどのように効率的にエンコードできるかによって決まります。
情報理論はこれを分析するための数学的ツールを提供しますが、現実世界の測定の複雑さを処理でき、なおかつ広く使用できるほど実用的な方法を開発するのは困難であることが判明しています。
画像システム測定の情報内容を推定するためのデータ駆動型のアプローチを紹介します。
私たちのフレームワークでは、実験的な測定とノイズの特性評価のみが必要で、グラウンド トゥルース データは必要ありません。
これらの情報推定値が、カラー写真、電波天文学、レンズレスイメージング、ラベルフリー顕微鏡などのさまざまなイメージングモダリティにわたるシステムパフォーマンスを確実に予測できることを実証します。
情報取得を最大化するイメージング システムの設計プロセスを自動化するために、情報駆動型エンコーダー分析学習 (IDEAL) と呼ばれる最適化手法を導入します。
この研究で私たちが開発したツールは、幅広いアプリケーションにわたる画像システムを分析および設計するための強力で実用的なツールとして情報理論を解き放ちます。
この作業を要約したビデオは、https://waller-lab.github.io/EncodingInformationWebsite/ でご覧いただけます。

要約(オリジナル)

Most modern imaging systems process the data they capture algorithmically before-or instead of-human viewing. As a result, performance depends not on how interpretable the measurements appear, but how effectively they encode details for algorithmic processing. Information theory provides mathematical tools to analyze this, but developing methods that can handle the complexity of real-world measurements yet remain practical enough for widespread use has proven challenging. We introduce a data-driven approach for estimating the information content of imaging system measurements. Our framework requires only experimental measurements and noise characterization, with no need for ground truth data. We demonstrate that these information estimates reliably predict system performance across diverse imaging modalities, including color photography, radio astronomy, lensless imaging, and label-free microscopy. To automate the process of designing imaging systems that maximize information capture we introduce an optimization technique called Information-Driven Encoder Analysis Learning (IDEAL). The tools we develop in this work unlock information theory as a powerful, practical tool for analyzing and designing imaging systems across a broad range of applications. A video summarizing this work can be found at https://waller-lab.github.io/EncodingInformationWebsite/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google