Исследователи используют искусственный интеллект для улучшения качества изображения в камере с металинзой

В результате инновационного технологического прорыва ученые применили искусственный интеллект для повышения разрешения изображений, получаемых с помощью металинзовых камер, и изобрели новые типы систем визуализации. Этот новый метод использует передовые технологии глубокого обучения для замены высококачественных изображений на снимки низкого разрешения,defiмогут использоваться, например, в микроскопии и интеллектуальных мобильных устройствах.

Раскрыт потенциал металинз

Металинзы — сверхтонкие камеры, использующие наноструктуры для управления светом, — могут стать перспективными легкими и компактными устройствами. Тем не менее, получение наилучших изображений с помощью таких устройств — непростая задача. Ведущий исследователь Цзи Чен из Юго-восточного университета в Китае заявляет: «Наша технология позволяет устройствам на основе металинз преодолевать существующие ограничения в качестве изображения», и компания надеется внедрить эту технологию в потребительскуюtron, а также в другие области, такие как микроскопия.

Интеграция ИИ для улучшения качества изображений.

Издательство Optica Publishing Group опубликовало статью в журнале Optics Letters, где авторы обсуждают применение многомасштабной сверточной нейронной сети — формы глубокого обучения, которую они использовали, — для повышения разрешения, контрастности и уменьшения искажений в изображениях, получаемых с помощью металинзы. Миниатюрная камера-обскура, размером не более 3 см × 3 см × 0,5 мм, состоящая из металлических линз, встроенных в CMOS-чип, напрямую устраняет необходимость в традиционных оптических компонентах.

Читайте также: Новая функция искусственного интеллекта в Meta

Разработанный исследователями подход глубокого обучения предполагает обучение нейронной сети на огромном наборе данных, включающем пары изображений высокого и низкого качества, что позволяет ей различать элементы изображения и затем повышать качество снимков низкого разрешения до HD после обучения. Эта стратегия позволила добиться значительного улучшения показателей качества изображения, таких как пиковое отношение сигнал-шум и индекс структурного сходства, а также продемонстрировала высокую скорость обработки и способность мгновенно генерировать высококачественные данные.

Перспективы коммерческой жизнеспособности и будущего развития. 

Предстоящая исследовательская задача сосредоточена на создании металинз с дополнительными функциями, такими как цвет и широкая круговая поляризация, а также на тонкой настройке и усовершенствовании искусственных нейронных сетей для улучшения общего качества изображения. Для коммерческой реализации этой технологии необходимо изобрести новый метод сборки для встраивания металинз в модули камер смартфонов, а также специальное программное обеспечение для смартфонов, улучшающее качество изображения.

Цзи Чен считает развитие передового искусственного интеллекта важнейшей вехой в истории фотоники, а машинное обучение прокладывает путь в этой области. Постоянные инновации и совершенствование сверхлегких и сверхтонких металинз позволят им кардинально изменить технологии обработки изображений и обнаружения, а также ознаменуют появление небольших высокопроизводительных камер.

Идея внедрения ИИ в технологию металинз представляет собой радикальную трансформацию в мире обработки изображений. Благодаря использованию методов глубокого обучения исследователи открыли возможности для полученияdefiизображений с помощью металинз в компактных и легких корпусах, что имеет далеко идущие последствия как для потребительскойtron, так и для научных исследований. Эта сложная интеграция ИИ с оптикой, несомненно, будет расширяться в будущем, обладая функциями, позволяющими превзойти любые изображения в визуальной обработке и анализе.