PulseAugur
中
实时 00:15:22
English(EN) Pre-training Enables Extraordinary All-optical Image Denoising

光学网络通过预训练实现卓越的图像去噪

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的基于衍射网络的全光学图像去噪预训练方法。该方法包括使用包含345万张图像的大型数据集进行初始训练，然后进行任务特定的微调。该方法显著提高了严重噪声图像的去噪质量，将PSNR从低于8 dB提升到18 dB以上，同时保留了精细细节。预训练网络通过针对数字、X射线和人脸等各种图像类型进行微调，展现了通用性，并在实际视觉应用中证明了其有效性，例如在噪声条件下的面部检测和无人机定位。 AI

影响 这种光学去噪技术可以实现视觉应用中更快、更节能的AI处理。

排序理由 该集群包含一篇详细介绍光学神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

光学网络通过预训练实现卓越的图像去噪

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jingtian Hu ·

    预训练实现非凡的全光图像去噪

    Optical neural networks are emerging as powerful machine learning and information processing tools because of their potential advantages in speed and energy efficiency. The training methods of these physical models, however, remain underexplored compared to their digital counterp…

相关实体

相关话题