深度学习驱动的端到端超透镜成像
光学
2024-05-13 v3 图像与视频处理
摘要
超表面透镜（超透镜）的最新进展显示出在紧凑成像、摄影、激光雷达（LiDAR）以及虚拟现实/增强现实（VR/AR）应用中开启新时代的巨大潜力。然而，宽带聚焦效率与工作带宽之间的基本权衡限制了宽带超透镜的性能，导致色差、角像差和相对较低的效率。在本研究中，提出了一种基于深度学习的图像恢复框架，以克服这些限制并实现端到端超透镜成像，从而为直径10毫米的量产超透镜实现无像差全彩成像。神经网络辅助的超透镜成像实现了与真实图像相当的高分辨率。
引用
@article{arxiv.2312.02669,
title = {Deep-learning-driven end-to-end metalens imaging},
author = {Joonhyuk Seo and Jaegang Jo and Joohoon Kim and Joonho Kang and Chanik Kang and Seongwon Moon and Eunji Lee and Jehyeong Hong and Junsuk Rho and Haejun Chung},
journal= {arXiv preprint arXiv:2312.02669},
year = {2024}
}
备注
17 pages, 7 figures, 1 table