Solución al problema del corte mediante difusión guiada

Área de la Ciencia:

• Metrología óptica de la metrología óptica.
• Imágenes computacionales de imágenes.
• La detección del frente de onda.

Sus antecedentes:

• La reconstrucción del frente de onda a partir de la interferometría de cizallamiento lateral (LSI) es un problema inverso mal planteado.
• Los métodos existentes a menudo requieren múltiples mediciones o se basan en supuestos potencialmente sesgados.
• La sensibilidad al ruido y la pérdida de información son desafíos significativos en LSI.

Objetivo del estudio:

• Introducir un nuevo marco, los modelos de difusión guiados por pseudoinverso (Pseudo-Inverse-Guided Diffusion Models, PGDM), para la reconstrucción del frente de onda.
• Aprovechar un modelo de difusión pre-entrenado como una prioridad basada en datos para mejorar la reconstrucción.
• Abordar las limitaciones de las técnicas convencionales de LSI al permitir la reconstrucción de alta fidelidad a partir de un solo shearograma.

Principales métodos:

• Integración de la física de LSI utilizando la guía de producto Vector-Jacobiana dentro de un marco de modelo de difusión.
• Utilizando un modelo de difusión incondicional pre-entrenado como un robusto previo.
• Comparación con la integración zonal clásica, Fourier, la regularización de Tikhonov y los métodos de aprendizaje profundo supervisado.

Principales resultados:

• El ΠGDM demuestra una fidelidad superior y una robustez de ruido en comparación con los métodos de referencia tanto en simulaciones como en validación experimental.
• El marco recupera con éxito las frecuencias espaciales perdidas al tiempo que garantiza la consistencia de la medición.
• Logra una metrología de alta precisión a partir de un solo shearograma, una mejora significativa con respecto a los enfoques tradicionales.

Conclusiones:

• ΠGDM presenta un enfoque novedoso y efectivo para la reconstrucción del frente de onda en LSI.
• Ofrece una alternativa versátil y de cero disparos a los métodos de aprendizaje supervisado, eliminando la necesidad de capacitación específica para tareas.
• El método mejora la precisión y la robustez de la metrología, superando los desafíos clave en LSI.