自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

新聞 人工智能
近日,普林斯頓的研究人員提出了世界上第一個(gè)高質(zhì)量的微米級(jí)光學(xué)成像裝置「Neural Nano-Optics」,并登上Nature Communications。

  近日,普林斯頓的研究人員提出了世界上第一個(gè)高質(zhì)量的微米級(jí)光學(xué)成像裝置「Neural Nano-Optics」,并登上Nature Communications。成像效果和體積大50萬(wàn)倍的相機(jī)鏡頭相比,在不少場(chǎng)景下可以做到旗鼓相當(dāng)!

快看,一朵湛藍(lán)色的花朵正在緩緩綻放,層層花瓣像是海洋的波浪。

另一朵紫色的花綻放的瞬間,也美不勝收。

但是,這些畫面真正的驚艷之處卻并不在于花朵,而在于拍攝它們的相機(jī)鏡頭。

那鏡頭放在手上,是這樣的。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

一個(gè)極小極小的正方形小薄片,邊長(zhǎng)大概也就是幾條指紋的寬度!

還有更夸張的。

傳統(tǒng)的光學(xué)鏡頭,比如蘋果的iPhone X,后置鏡頭是長(zhǎng)這樣的。

拉近點(diǎn)看,一個(gè)后置鏡頭之中,其實(shí)疊放了好幾層透鏡。

所以這種大尺寸的光學(xué)元件必然會(huì)很重,而且還會(huì)擠占不少面積。

要不,用這個(gè)正方形小薄片和搭載大體積復(fù)合折射透鏡的傳統(tǒng)相機(jī)比上一比?

結(jié)果非常amazing啊!

在微觀拍攝上,這個(gè)小小的薄片對(duì)物體的還原度居然不遜于一堆透鏡疊在一起,甚至畫面還要更明亮一些。

在廣角的拍攝上,這個(gè)小薄片最終還是沒能敵過大尺寸的傳統(tǒng)相機(jī),不過建筑的輪廓倒也還原得七七八八。

這個(gè)小薄片名叫「Neural Nano-Optics」,學(xué)名「metasurface optics」,意為超構(gòu)表面光學(xué)器件。

有沒有看到中間拿一圈白色的部分,沒錯(cuò),這個(gè)就是成像裝置。

只有一粒粗鹽的大小哦!

成像效果的話,研究人員表示,「Neural Nano-Optics」和體積大50萬(wàn)倍的Edmund Optics 50mm F2.0鏡頭在不少場(chǎng)景下可以做到旗鼓相當(dāng)(不是我說的,是原文說的on par with)。

小小相機(jī)有多神?

近幾十年來,感光元件的小型化使得相機(jī)得以被應(yīng)用于非常多的領(lǐng)域,包括醫(yī)療成像、智能手機(jī)、機(jī)器人和自動(dòng)駕駛。

然而,如果光學(xué)成像器可以比現(xiàn)在再小一個(gè)數(shù)量級(jí)的話,那么它就可以在納米機(jī)器人、體內(nèi)成像、增強(qiáng)現(xiàn)實(shí)/虛擬現(xiàn)實(shí)和健康監(jiān)測(cè)方面開辟許多新的應(yīng)用。

近日,普林斯頓的研究人員提出了世界第一個(gè)高質(zhì)量的超小型光學(xué)成像裝置「Neural Nano-Optics」,并發(fā)表在了Nature Communications上。

這個(gè)相機(jī)擁有全色(400至700納米)覆蓋、40度的寬視野成像,以及F2.0的光圈。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

論文地址:https://light.cs.princeton.edu/wp-content/uploads/2021/11/NeuralNanoOptics.pdf

項(xiàng)目地址:https://github.com/princeton-computational-imaging/Neural_Nano-Optics

「Neural Nano-Optics」優(yōu)于現(xiàn)有的所有最先進(jìn)的超構(gòu)表面透鏡設(shè)計(jì),并且是世界第一個(gè)實(shí)現(xiàn)高質(zhì)量、寬視野彩色成像的超構(gòu)表面光學(xué)成像器。

超構(gòu)表面(metasurface)是一種厚度小于波長(zhǎng)的超薄人工結(jié)構(gòu),它可實(shí)現(xiàn)對(duì)電磁波偏振、振幅、相位、極化方式、傳播模式等特性的靈活有效調(diào)控。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

通常,傳統(tǒng)光學(xué)元件的物理尺寸很大。

這是因?yàn)閭鹘y(tǒng)鏡頭是通過使光波發(fā)生彎曲來工作的。當(dāng)光波穿過鏡頭時(shí),它在鏡頭的不同部分會(huì)以不同的角度發(fā)生折射。

一般來講,工程師會(huì)將多個(gè)單獨(dú)的鏡頭堆疊在一起(稱為復(fù)合鏡頭),以特定的方式引導(dǎo)和控制光線。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

典型的凸(會(huì)聚)鏡頭使光波彎曲以在焦點(diǎn)處匯合(來源:Mini Physics)

由于傳統(tǒng)的成像系統(tǒng)必須由一系列矯正像差的折射元件組成,這些笨重的鏡頭必然使得相機(jī)的限制較大。

傳統(tǒng)成像另一個(gè)大的障礙是難以減小焦距,因?yàn)檫@會(huì)導(dǎo)致更大的色差。

而超構(gòu)表面光學(xué)器件通過其不同的自身結(jié)構(gòu)與光相互作用,用一層極薄的平面結(jié)構(gòu)就可以達(dá)到同等的效果。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

鏡頭縮小的問題是解決了,那傳感器呢?

其實(shí),亞微米像素的光學(xué)傳感器早已存在,但是其成像效果卻被傳統(tǒng)光學(xué)的理論所限制。

所以,單單把傳感器做小并不能完全解決問題。由于受到孔徑和光圈的限制,現(xiàn)有的亞微米像素的傳感器取得的圖像質(zhì)量遠(yuǎn)不如大型的光學(xué)相機(jī)。

那普林斯頓的研究人員是怎么攻破這一難點(diǎn)的呢?

答案還得是AI!

在這項(xiàng)工作中,作者提出的Neural Nano-Optics,表面只是一個(gè)小成像裝置,但其背后卻有一個(gè)完全可微的深度學(xué)習(xí)框架,結(jié)合基于神經(jīng)特征的圖像重建算法,進(jìn)而學(xué)習(xí)超構(gòu)表面的物理結(jié)構(gòu),實(shí)現(xiàn)了比SOTA低一個(gè)數(shù)量級(jí)的重建誤差。

超構(gòu)表面代理模型

作者通過使用一個(gè)高效的可微分代理函數(shù)進(jìn)行學(xué)習(xí),該函數(shù)將相位值映射到空間變化的PSF(PSF是point spread function的簡(jiǎn)稱,即點(diǎn)擴(kuò)散函數(shù))。

文章所提出的可微分超構(gòu)表面圖像形成模型(圖e)是由可微分張量運(yùn)算的三個(gè)連續(xù)階段組成:超表面相位確定、PSF模擬并進(jìn)行卷積以及傳感器噪聲。

在他們的模型中,決定超表面相位的多項(xiàng)式系數(shù)是可優(yōu)化的變量。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

可優(yōu)化的超表面相位函數(shù)ϕ,以距光軸的距離r作為自變量,寫成函數(shù)如下:

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

其中{a0,…an}為可優(yōu)化系數(shù),R為相位掩膜半徑,n為多項(xiàng)式項(xiàng)數(shù)。

在這個(gè)相位函數(shù)的基礎(chǔ)上優(yōu)化超表面,而不是以逐像素的方式來優(yōu)化,其目的是避免局部極小值出現(xiàn)。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

這種可微分方法Neural Nano-Optics與可選的前向模擬方法(如時(shí)域有限差分模擬)進(jìn)行比較時(shí),兩者精度是近似的,但可微分方法Neural Nano-Optics比FTDT等全波模擬方法的效率高3000倍,并且更節(jié)省內(nèi)存。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

除這些之外,可微分框架Neural Nano-Optics還有幾個(gè)技術(shù)亮點(diǎn)。

基于特征的反卷積

為了從測(cè)量數(shù)據(jù)中恢復(fù)圖像,作者提出了一種基于特征的神經(jīng)反卷積方法,它結(jié)合了已學(xué)習(xí)的先驗(yàn)知識(shí),可以推廣到?jīng)]見過的測(cè)試數(shù)據(jù)。

具體來說,該方法采用了一個(gè)可微分逆濾波器和神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取和細(xì)化。這種方法能夠?qū)W習(xí)有效的特征,從而利用功率譜的知識(shí)來提升基于物理的反卷積能力,從而提高泛化能力。

在形式上,特征傳播反卷積網(wǎng)絡(luò)執(zhí)行以下操作:

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

從結(jié)果看,特征傳播反卷積網(wǎng)絡(luò)的重建能力相對(duì)之前的方法有了質(zhì)的飛躍。

端到端學(xué)習(xí)

有了超表面代理和神經(jīng)反卷積模型,以及一個(gè)完全可微的成像管道,就可以用端到端的方式設(shè)計(jì)納米相機(jī)了。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

可微分框架Neural Nano-Optics的學(xué)習(xí)方法和相應(yīng)的優(yōu)化流程

Neural Nano-Optics的端到端訓(xùn)練優(yōu)化過程是這樣的。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

訓(xùn)練優(yōu)化示意圖

訓(xùn)練好之后,使用Neural Nano-Optics系統(tǒng),可以得到高質(zhì)量的全色圖像。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

與現(xiàn)有的最先進(jìn)的設(shè)計(jì)相比,Neural Nano-Optics可以生成高質(zhì)量的寬FOV重建圖像

色差消除(DLAC)

以前的超構(gòu)光學(xué)透鏡沒有一個(gè)能同時(shí)集齊大孔徑、寬視場(chǎng)、小f-number和大帶寬四個(gè)特性。

這只螞蟻能拍照!普林斯頓造出微米級(jí)相機(jī),個(gè)頭縮小到50萬(wàn)分之一

經(jīng)過優(yōu)化的超光學(xué)設(shè)計(jì),讓這個(gè)超小型相機(jī)達(dá)到了前所未有的水平,能夠在寬闊的視野上捕捉全色圖像,并且實(shí)現(xiàn)了最大500微米的孔徑,也是目前最大的超構(gòu)光學(xué)透鏡,可以增加光收集量。

為了正式量化設(shè)計(jì)規(guī)格,研究人員提出了一種新的度量標(biāo)準(zhǔn),稱為衍射透鏡色差消除能力(DLAC)。

Neural Nano-Optics再次取得了一騎絕塵的好成績(jī),以250 DLAC的成績(jī)排名第一。

Neural Nano-Optics應(yīng)用

Neural Nano-Optics的出現(xiàn)有可能會(huì)使相機(jī)、顯示器以及其他光學(xué)設(shè)備發(fā)生革命性改變。

一些令人興奮的潛在應(yīng)用包括:

  1. AR/VR/MR—XR系統(tǒng)開發(fā)人員目前仍在努力解決將大型硬件系統(tǒng)集成到頭戴式設(shè)備中的挑戰(zhàn)。Neural Nano-Optics讓我們看到了將微型光學(xué)元件集成到小型高性能輕質(zhì)頭戴式設(shè)備和智能眼鏡中的希望。
  2. 醫(yī)學(xué)—Neural Nano-Optics的增強(qiáng)光學(xué)功能可以實(shí)現(xiàn)比以往更精確的診斷成像、也可以搭載在更高分辨率的成像工具(比如內(nèi)窺鏡)和新的顯微鏡上,從而使放射科醫(yī)生、內(nèi)科醫(yī)生和實(shí)驗(yàn)室技術(shù)人員能夠看到以前不可見的細(xì)節(jié)。

 

責(zé)任編輯:張燕妮 來源: 新智元
相關(guān)推薦

2012-05-04 13:17:28

微瘋客棧

2022-04-11 07:11:28

日志輸出代碼業(yè)務(wù)代碼

2024-12-10 08:41:12

語(yǔ)句if卡死

2019-06-19 08:28:18

Windows操作系統(tǒng)Windows 10

2019-10-29 15:01:48

BAT運(yùn)維監(jiān)控

2012-08-02 16:18:10

普林斯頓結(jié)構(gòu)哈佛結(jié)構(gòu)架構(gòu)

2024-11-07 13:07:47

2016-03-31 13:28:46

聯(lián)通

2021-12-10 09:50:22

數(shù)據(jù)腦神經(jīng)3D

2013-05-02 16:18:43

2022-08-29 11:00:32

區(qū)塊鏈加密貨幣

2024-08-02 16:32:15

2013-04-19 10:48:42

2012-05-04 08:28:10

2009-02-25 08:50:45

Mini9戴爾Linux

2009-12-09 09:50:15

上網(wǎng)本Linux

2010-10-28 13:27:19

2014-02-27 10:51:42

2020-02-06 10:01:20

安全網(wǎng)絡(luò)欺詐數(shù)字
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)