مقاله یک رویکرد مبتنی بر فیزیک مدولار و قوی برای بازسازی تصویر بدون لنز

چکیده

In this paper, we present a modular approach for reconstructing lensless measurements. It consists of three components: a newly-proposed pre-processor, a physics-based camera inverter to undo the multiplexing of lensless imaging, and a post-processor. The pre- and post-processors address noise and artifacts unique to lensless imaging before and after camera inversion respectively. By training the three components end-to-end, we obtain a 1.9 dB increase in PSNR and a 14% relative improvement in a perceptual image metric (LPIPS) with respect to previously proposed physics-based methods. We also demonstrate how the proposed pre-processor provides more robustness to input noise, and how an auxiliary loss can improve interpretability.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ، ما یک رویکرد مدولار برای بازسازی اندازه گیری های بدون لنز ارائه می دهیم.این برنامه از سه مؤلفه تشکیل شده است: یک پیش پردازنده تازه تهیه شده ، یک اینورتر دوربین مبتنی بر فیزیک برای خنثی کردن چند برابر تصویربرداری لنس و یک پردازنده پس از.فرآیندهای قبل و بعد از آن به ترتیب قبل و بعد از وارونگی دوربین به نویز و مصنوعات منحصر به فرد برای تصویربرداری بدون لنز می پردازند.با آموزش سه مؤلفه پایان به پایان ، ما افزایش 1.9 دسی بل در PSNR و بهبود نسبی 14 ٪ در یک متریک تصویر ادراکی (LPIPS) با توجه به روشهای مبتنی بر فیزیک قبلاً پیشنهادی را بدست می آوریم.ما همچنین نشان می دهیم که چگونه پیش پردازنده پیشنهادی استحکام بیشتری را برای سر و صدای ورودی فراهم می کند ، و چگونه یک ضرر کمکی می تواند تفسیر را بهبود بخشد.