低コストのシングルフォトンの雪崩ダイオードを使用して,ディープラーニング強化の超高解像度イメージング

科学分野:

• コンピュータビジョン コンピュータビジョン
• フォトニクス フォトニクスとは
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• 低コストのシングルフォトン・アバランチ・ダイオード (SPAD) 配列は,深度感知の可能性を秘めています.
• 既存の超解像度 (SR) の方法は,しばしば複雑な融合または重要な計算リソースを必要とします.
• 消費者向けのSPAD配列の性能を向上させることは,より広範な採用のために不可欠です.

研究 の 目的:

• 低コストのSPAD配列のための非融合型ディープラーニング (DL) ベースの超解像度 (SR) ソリューションを開発する.
• 低解像度 (LR) の入力から高解像度 (HR) の深さと強度の画像を再構築する.
• 効率的なハードウェア展開とリアルタイムアプリケーションのためにDLモデルを最適化します.

主な方法:

• コンパクトなディープラーニング (DL) モデルは,低解像度 (LR, 8x8) の深さと強度データを処理するように設計されました.
• モデルは同時に高解像度 (HR,50x50) の画像を再構築します.
• ハードウェアの導入を容易にするために,INT8量子化によるモデル圧縮が行われました.
• 評価は,STMicroelectronicsのVL53L8CX SPAD配列から得られた合成データセットと実際の測定値に基づいて行われました.

主要な成果:

• DLモデルは,合成データセットのグラウンド・トラウティー画像に対して高精度を示した.
• 精密な構造的な詳細は,実際のSPAD配列測定からの再構築で達成されました.
• INT8の量子化は,ハードウェアの展開を可能にしながら,わずかな精度損失のみをもたらしました.
• オリジナルモデルと量子化モデルの両方が,ミッドレンジのGPUでビデオレートのSR再構築を達成しました.

結論:

• 提案されたコンパクトDLモデルは,超高解像度深度画像の低コストのSPAD配列のパフォーマンスを効果的に向上させます.
• モデルの効率性と精度は,リアルタイムアプリケーションに適しています.
• そのコンパクトなサイズとハードウェア展開の可能性は,エッジコンピューティング,モバイル,組み込みシステムに適しています.