亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Image reconstruction with transformer for mask-based lensless imaging

计算机科学 人工智能 迭代重建 计算机视觉 卷积神经网络 杠杆(统计) 深度学习 特征(语言学) 人工神经网络 模式识别(心理学) 语言学 哲学
作者
Xiuxi Pan,Xiaohong Chen,Saori Takeyama,Masahiro Yamaguchi
出处
期刊:Optics Letters [Optica Publishing Group]
卷期号:47 (7): 1843-1843 被引量:21
标识
DOI:10.1364/ol.455378
摘要

A mask-based lensless camera optically encodes the scene with a thin mask and reconstructs the image afterward. The improvement of image reconstruction is one of the most important subjects in lensless imaging. Conventional model-based reconstruction approaches, which leverage knowledge of the physical system, are susceptible to imperfect system modeling. Reconstruction with a pure data-driven deep neural network (DNN) avoids this limitation, thereby having potential to provide a better reconstruction quality. However, existing pure DNN reconstruction approaches for lensless imaging do not provide a better result than model-based approaches. We reveal that the multiplexing property in lensless optics makes global features essential in understanding the optically encoded pattern. Additionally, all existing DNN reconstruction approaches apply fully convolutional networks (FCNs) which are not efficient in global feature reasoning. With this analysis, for the first time to the best of our knowledge, a fully connected neural network with a transformer for image reconstruction is proposed. The proposed architecture is better in global feature reasoning, and hence enhances the reconstruction. The superiority of the proposed architecture is verified by comparing with the model-based and FCN-based approaches in an optical experiment.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
whyzz完成签到 ,获得积分10
4秒前
橙子完成签到 ,获得积分10
11秒前
zoiaii完成签到 ,获得积分10
23秒前
酷炫葵阴完成签到,获得积分10
32秒前
陈一一完成签到 ,获得积分10
34秒前
龙骑士25完成签到 ,获得积分10
43秒前
VDC发布了新的文献求助10
44秒前
小郭爱科研完成签到 ,获得积分10
46秒前
科目三应助鳗鱼行天采纳,获得30
47秒前
wszzb完成签到,获得积分10
50秒前
合一海盗完成签到,获得积分10
52秒前
52秒前
Owen应助科研通管家采纳,获得10
53秒前
李爱国应助科研通管家采纳,获得10
53秒前
华仔应助科研通管家采纳,获得10
53秒前
Carlos_Soares完成签到,获得积分10
55秒前
fawr完成签到 ,获得积分10
57秒前
乔治韦斯莱完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
hhhhh完成签到 ,获得积分10
1分钟前
葛怀锐完成签到 ,获得积分10
1分钟前
想学习发布了新的文献求助20
1分钟前
1分钟前
性温雅完成签到 ,获得积分10
1分钟前
鳗鱼行天发布了新的文献求助30
1分钟前
1分钟前
木木彡发布了新的文献求助10
1分钟前
能干的山雁完成签到 ,获得积分10
1分钟前
1分钟前
3080完成签到 ,获得积分10
1分钟前
l98916发布了新的文献求助10
1分钟前
aniywn完成签到 ,获得积分10
1分钟前
鳗鱼行天完成签到,获得积分10
1分钟前
科研通AI5应助Ni采纳,获得10
1分钟前
2分钟前
2分钟前
2分钟前
RUSeries发布了新的文献求助10
2分钟前
2分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
Ciprofol versus propofol for adult sedation in gastrointestinal endoscopic procedures: a systematic review and meta-analysis 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3671180
求助须知:如何正确求助?哪些是违规求助? 3228098
关于积分的说明 9778330
捐赠科研通 2938347
什么是DOI,文献DOI怎么找? 1609853
邀请新用户注册赠送积分活动 760473
科研通“疑难数据库(出版商)”最低求助积分说明 735976