小脑神经网络借助涡旋傅里叶编码器快速求解逆问题
图像与视频处理
2025-07-01 v1 计算机视觉与模式识别
光学
摘要
我们引入了一种带有微透镜阵列的涡旋相位变换，配合浅层、密集的“小脑”神经网络，用于高速低光成像。我们的单帧叠层成像方法利用了傅里叶变换螺旋相位梯度的相干衍射、紧凑表示和边缘增强特性。借助涡旋空间编码，小脑被训练以比随机编码方案快5至20倍的速率去卷积图像，且在存在噪声时优势更为明显。一旦训练完成，该小脑仅从强度数据重建物体，在不对每幅图像执行迭代且不使用深度学习方案的情况下求解逆映射。借助这一光-数混合、涡旋傅里叶编码的小脑方案，我们在15 W中央处理器上以每秒数千帧的速率重建了低光通量（5 nJ/cm）照明的MNIST Fashion物体，比卷积神经网络快两个数量级。
引用
@article{arxiv.2005.07682,
title = {Small-brain neural networks rapidly solve inverse problems with vortex Fourier encoders},
author = {Baurzhan Muminov and Luat T. Vuong},
journal= {arXiv preprint arXiv:2005.07682},
year = {2025}
}