金字塔衍射光学网络用于单向图像放大和减大
Bijie Bai1,2,3, Xilin Yang1,2,3, Tianyi Gan1,3
1Electrical and Computer Engineering Department, University of California, Los Angeles, CA, USA.
Light, science & applications
|July 31, 2024
概括
我们介绍了一个金字塔结构的衍射光学网络 (P-D2NN),用于单向图像放大和减大. 这种新的设计实现了高保真度,波长不可知的成像,在一个方向上使用更少的光学元件.
科学领域:
- 光学是什么?光学是什么?光学是什么?
- 机器学习 机器学习
- 光学工程是指光学工程.
背景情况:
- 衍射深度神经网络 (D2NN) 是使用衍射层和深度学习进行计算任务的光学处理器.
- 现有的D2NN可以执行各种光学功能,但缺乏用于成像的定向特异性.
- 单向光学处理对于需要控制图像操纵的应用是理想的.
研究的目的:
- 开发一种新的衍射光学网络架构,用于单向图像放大和减大.
- 设计一个能够进行定向成像的紧而高效的光学处理器.
- 调查拟议架构的波长稳定性和可扩展性.
主要方法:
- 引入了一个金字塔结构的衍射光学网络 (P-D2NN) 带有金字塔尺度的衍射层.
- 使用监督深度学习优化了P-D2NN,用于单向放大/减大.
- 设计了一种波长多重复合的P-D2NN,用于不同波长的同时双向操作.
- 在实验中使用太赫兹照明验证了P-D2NN.
主要成果:
- P-D2NN成功地实现了高保真单向图像放大和减大.
- 尽管单波长训练,但P-D2NN在广泛的照明波长中表现出强大的性能.
- 级联式P-D2NN模块实现了更高的放大系数.
- 使用太赫兹波的实验验证证证了模拟结果.
结论:
- P-D2NN架构为具有单向成像能力的任务特定视觉处理器提供了有效的策略.
- 这种以物理为灵感的设计为定向光学放大和减大提供了一个紧而高效的解决方案.
- P-D2NN显示了先进光学计算和成像应用的潜力.
