.png){kind=icon}
返回
Fully self-supervised physics-aware holographic depth estimation
.png){kind=icon}
PRE
AI
DOI：10.1364/ao.576759.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动聚焦是全息术中一个研究广泛的课题，提出了从数学模型到近年基于学习的多种方法。然而，目前尚无共识的通用方法能够独立于实验设置自动聚焦输入全息图。波长、像素间距或全息图分辨率等因子的微小变化会对自动聚焦结果产生显著影响。本文提出了一种遵循全息自动聚焦通用框架的通用方法，无需手动超参数调整，并对多样化输入数据具有鲁棒适应性。该方法自主提取最优数值重建距离，执行全息图体渲染，并估计底层场景几何形状以实现精确自动聚焦。为确保准确性，通过迭代全息图再生过程匹配真实值来约束生成的深度估计。该方法在合成计算机生成全息图和光学获取的同轴相移全息图上均展现出卓越的鲁棒性和泛化能力，标志着全息术中通用自动聚焦的重要进展。(c) 2025 Optica Publishing Group. All rights, including for text and data mining (TDM), Artificial Intelligence (AI) training, and similar technologies, are reserved.
Keyword:
DIGITAL HOLOGRAPHY
FOCUS PREDICTION
MICROSCOPY
IMAGE
PLANE
期刊
A
IF:
1.7
论文数:
1.0K
被引数:
5.1W
机构
引用论文
H-Seg: a horizontal reconstruction volume segmentation method for accurate depth estimation in a computer-generated hologram.png)
OPTICS LETTERS
OAAI
OPTICS LETTERSIF3.3
OAAI分享收藏Fast automated quantitative phase reconstruction in digital holography with unsupervised deep learning基于无监督深度学习的数字全息快速自动定量相位重建
PREAI
分享收藏Chen, C.; Mo, J.; Hou, J.; Wu, H.; Liao, L.; Sun, W.; Yan, Q.; Lin, W. TOPIQ: A Top-down Approach from Semantics to Distortions for Image Quality Assessment, 2023. arXiv 2023, arXiv:2308.03060. [Google Scholar] [CrossRef]陈, C.; 莫, J.; 侯, J.; 吴, H.; 廖, L.; 孙, W.; 闫, Q.; 林, W. TOPIQ: 一种从语义到失真的自顶向下图像质量评估方法, 2023. arXiv 2023, arXiv:2308.03060. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏分享收藏
分享收藏Automatic depth map retrieval from digital holograms using a deep learning approachOPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏
查看更多内容