Transformador Swin destilado de conocimiento para la eliminación eficiente de artefactos de vibración en imágenes SEM

Área de la Ciencia:

• Ciencias de los materiales
• Procesamiento de imágenes
• Microscopía

Sus antecedentes:

• Los artefactos de rayas horizontales inducidos por la vibración degradan la calidad de imagen del microscopio electrónico de barrido (SEM).
• Los artefactos comprometen la fidelidad y el análisis cuantitativo de las imágenes SEM.

Objetivo del estudio:

• Desarrollar un marco computacionalmente eficiente para eliminar los artefactos de rayas horizontales en las imágenes SEM.
• Mejorar la calidad y fiabilidad del análisis de imágenes SEM.

Principales métodos:

• Desarrollo de SwinIR-KD, integrando la arquitectura de Swin Transformer con la destilación del conocimiento.
• Implementación de una nueva función de supresión de pérdidas de banda horizontal.
• Utilizando un modelo de alumno ligero destilado de un modelo de maestro SwinIR pre-entrenado.

Principales resultados:

• SwinIR-KD reduce los parámetros del modelo y la complejidad computacional en aproximadamente un 79% en comparación con el SwinIR de referencia.
• Se ha conseguido un rendimiento de restauración de imágenes comparable o superior (PSNR, SSIM, FID, LPIPS).
• Se ha demostrado la eficacia del procesamiento de imágenes SEM a gran escala.

Conclusiones:

• SwinIR-KD ofrece una solución eficiente y efectiva para la eliminación de artefactos de imágenes SEM.
• El marco mejora la aplicabilidad práctica de las imágenes SEM a través de una interfaz fácil de usar.
• Este enfoque preserva la fidelidad de la imagen para el análisis cuantitativo crítico.