Des chercheurs utilisent l'intelligence artificielle pour améliorer la qualité d'image des caméras à lentille métallique

Dans une avancée technologique majeure, des scientifiques ont appliqué l'intelligence artificielle pour améliorer la résolution des dispositifs d'imagerie des caméras à métasurfaces et concevoir de nouveaux systèmes d'imagerie. Cette méthode inédite intègre une technologie d'apprentissage profond de pointe permettant d'utiliser des images de basse résolution à la place des images hautedefi, notamment pour la microscopie et les appareils mobiles intelligents.

Le potentiel des métasurfaces révélé

Les métasurfaces, des caméras ultra-minces qui utilisent des nanostructures pour manipuler la lumière, pourraient offrir la perspective d'une conception légère et compacte. Cependant, obtenir des images optimales avec ces dispositifs reste un défi. Ji Chen, chercheur principal à l'Université du Sud-Est en Chine, déclare : « Notre technologie permet aux dispositifs à métasurfaces de surmonter les limitations actuelles en matière de qualité d'image », une technologie que l'entreprise espère appliquer à l'électroniquetronpublic ainsi qu'à d'autres domaines comme la microscopie.

Intégration de l'IA pour l'amélioration des images.

Optica Publishing Group, dans la revue Optics Letters, présente l'application d'un réseau neuronal convolutif multi-échelle, technique d'apprentissage profond utilisée, pour améliorer la résolution, le contraste et réduire la distorsion des images produites par une métalentille. Cette minuscule caméra sténopé, de dimensions inférieures à 3 cm × 3 cm × 0,5 mm, composée de lentilles métalliques intégrées sur une puce d'imagerie CMOS, élimine le besoin de composants optiques traditionnels.

À lire également : La nouvelle fonctionnalité d’IA de Meta

L'approche d'apprentissage profond des chercheurs consiste à entraîner le réseau neuronal avec un ensemble de données gigantesque, composé de paires d'images de haute et basse résolution. Ainsi, il peut distinguer les éléments d'une image, puis améliorer la qualité des captures basse résolution jusqu'à la haute définition après l'entraînement. Cette stratégie a permis d'obtenir une amélioration significative des indicateurs de qualité d'image, tels que le rapport signal/bruit maximal et l'indice de similarité structurelle, tout en démontrant une grande rapidité de traitement et la capacité de générer instantanément des données de haute qualité.

Viabilité commerciale et orientations futures. 

Les recherches à venir visent à développer des métasurfaces dotées de fonctionnalités supplémentaires, telles que la couleur et une large polarisation circulaire, tout en optimisant les réseaux de neurones artificiels afin d'améliorer la qualité d'image globale. Pour une commercialisation de cette technologie, il est nécessaire de concevoir une nouvelle méthode d'assemblage permettant d'intégrer les métasurfaces dans les modules de caméra des smartphones, ainsi qu'un logiciel spécifiquement conçu pour ces appareils afin d'améliorer la qualité d'image.

Ji Chen considère le développement de l'IA avancée comme une étape cruciale dans l'histoire de la photonique, l'apprentissage automatique ouvrant la voie à l'avenir dans ce domaine. L'innovation constante et le perfectionnement des métasurfaces ultralégères et ultra-minces leur permettront de révolutionner les technologies d'imagerie et de détection et d'annoncer l'avènement de caméras miniatures et ultra-performantes.

L'intégration de l'IA dans la technologie des métasurfaces représente une transformation radicale dans le monde de l'imagerie. Grâce à l'exploitation des techniques d'apprentissage profond, les chercheurs ont ouvert la voie à des métasurfaces capables d'offrir une imagerie hautedefidans des formats compacts et légers, ce qui a des implications considérables pour l'trongrand public et la recherche scientifique. Cette intégration poussée de l'IA à l'optique est vouée à se développer davantage à l'avenir, offrant des fonctionnalités qui surpasseront toutes les images en matière d'imagerie et d'analyse visuelle.