Raziskovalna skupina, ki jo vodijo institucije, vključno z Univerzo v Kaliforniji, Los Angeles (UCLA) in Univerzo v Rochesterju, je razkrila preboj v tehnologiji slikanja, ki izkorišča umetno inteligenco, ki temelji na fiziki.
V prvi fazi gre za algoritem, ki je usposobljen za matematično rekonstrukcijo slik iz razpršenih podatkov o svetlobi. V drugi fazi je vpeljan nov algoritem, ki je bil razvit na UCLA, ki uporablja fizične omejitve, da zagotovijo, da se rekonstruirane slike držijo zakonov fizike. Ta dvostopenjski pristop učinkovito zmanjšuje vizualne izkrivljanja in povečuje jasnost.
Pri uporabi na standardnih kalibracijskih posnetkih, ki jih zakrivajo zapleteni mediji, je novi sistem dosegel več kot dvakratno razmerje med signalom in hrupom kot njegovi predhodniki. Poleg tega je skoraj takoj ustvaril visoko kakovostne slike, ki so dokončale postopek v samo tisočinah sekunde. Te zmogljivosti kažejo na precejšen korak naprej v aplikacijah za slikanje v realnem času. Tradicionalne metode za slikanje skozi zapletene medije se pogosto zanašajo na drago opremo, ki je sposobna zaznavati bližnje infrardečo svetlobo.
Uporablja silicijeve kamere, podobne tistim, ki jih najdemo v potrošniški elektroniki, v kombinaciji s posebnimi filmi, ki filtrirajo svetlobo, da postane vidna. Čeprav ta metoda zagotavlja stroškovno učinkovite rešitve, je prej trpela zaradi težav, kot so vinjetiranje, ki povzroča zatemnitev robov slike in zmanjšano vidno polje, skupaj z neželenimi artefakti, ki se pojavljajo kot svetle ali temne pike.
To izboljšanje odpira številne možnosti, zlasti na medicinskih področjih, kjer je neinvazivna slikanje ključnega pomena. Na primer, kirurgi bi lahko imeli koristi od bolj natančnega intraoperativnega vodstva, zlasti med minimalno invazivnimi postopki. Podobno bi lahko laboratoriji, ki analizirajo biološke vzorce v neprozornih okoljih, uporabili to tehnologijo brez potrebe po korakih priprave vzorcev, ki spreminjajo celovitost vzorcev.
Proizvodni sektorji bi lahko uporabili to tehnologijo tudi za pregled izdelkov v zahtevnih okoljih, kot je ocena kakovosti predmetov, potopljenih v oblačnih tekočinah ali zavitah v zamrznjene materiale.
1 poročil
Phys.orgNeodvisenSredinaDejstva 85Objektivnost 80pred 9 uramiRaziskovalci iz UCLA in Univerze v Rochesterju so razvili nov sistem za slikanje, ki uporablja strojno učenje na podlagi fizike za izboljšanje jasnosti slike v "kompleksnih medijih", kot so telesno tkivo, megla in nejasne tekočine. Ta sistem izboljšuje obstoječe tehnike tako, da znatno poveča razmerje med signalom in hrupom in omogoča ustvarjanje slik v skoraj realnem času. Za razliko od tradicionalnih metod, ki se zanašajo na drage kamere v bližnji infrardeči svetlobi, novi pristop uporablja cenovno ugodne kamere na osnovi silicija, podobne tistim v pametnih telefonih. Inovacija vključuje kombinacijo specializirane optične tehnike z modelom strojnega učenja DeepTimeGate, ki uporablja fizične omejitve za izboljšanje natančnosti slike.
Ocena pristranskosti (Sredina): Članek predstavlja znanstvene raziskave brez političnih implikacij in se osredotoča na tehnološke dosežke in njihove praktične aplikacije na različnih področjih, ne da bi zavzel stališče o ideoloških ali partijskih vprašanjih.
Zakaj dejstva (85): The article accurately describes the research on improving imaging through complex media using physics-based machine learning, aligning with the primary source document's discussion of upconversion imaging challenges and solutions. It mentions the use of silicon-based cameras and the vignetting issu
Zakaj objektivnost (80): The article presents the research in a neutral manner, focusing on the benefits of the new system without overt bias. However, it emphasizes the advantages of the new approach over existing methods, which may slightly lean toward promoting the innovation.
★
Ohranimo novice poštene.
ObjectiveNews financirajo bralci in je brez oglasov – pristranskost vam pokažemo, ne skrijemo. Podprite neodvisno novinarstvo za 5 €/mesec.
Postani podpornik
United Kingdom
