Novatoriskā tehnoloģiskā izrāvienā zinātnieki izmantoja AI, lai uzlabotu metalens kameru attēlveidošanas ierīču izšķirtspēju un izgudrotu jaunus attēlveidošanas sistēmu veidus. Šī jaunā metode ietver visprogresīvākās dziļās mācīšanās tehnoloģijas, lai izmantotu zemas kvalitātes attēlus augstas izšķirtspējas attēlu vietā, ko var izmantot, piemēram, mikroskopijai un viedajām mobilajām ierīcēm.

Jauns mākslīgā intelekta sasniegums uzlabo metalens kameru attēla kvalitāti: https://t.co/Uuug6jKp7IPPaverot ceļu uz īpaši plānām kamerām, jauna tehnika izmanto dziļu mācīšanos, lai uzlabotu izšķirtspēju, kontrastu un izkropļojumus attēlos no mazas kameras.Publicēts#OPG_OL#AI#kameraspic.twitter.com/yZfgElgXXU

— Optica (@OpticaWorldwide) 2024. gada 15. maijs

Metālu potenciāls ir atbrīvots

Metalenses, īpaši plānas kameras, kas izmanto nanostruktūras, lai manipulētu ar gaismu, varētu būt vieglas un kompaktas. Tomēr labāko attēlu iegūšana ar šīm ierīcēm nav viegls process. Vadošais pētnieks Ji Chen no Dienvidaustrumu universitātes Ķīnā paziņo: "Mūsu tehnoloģija dod iespēju uz metāliem balstītām ierīcēm pārvarēt esošos attēla kvalitātes ierobežojumus", ko uzņēmums cer ieviest plaša patēriņa elektronikā, kā arī citās jomās, piemēram, mikroskopijā.

AI integrēšana attēla uzlabošanai.

Optica Publishing Group, žurnāla Optics Letters autori, kurā viņi apspriež savu daudzpakāpju konvolucionālā neironu tīkla pielietojumu, dziļās mācīšanās veidu, ko viņi izmantoja, lai palielinātu izšķirtspēju, kontrastu un kropļojumus metālu radītajos attēlos. Neliela cauruma kamera, kas nav lielāka par 3 cm × 3 cm × 0,5 mm, kas sastāv no metāla lēcām, kas iegultas CMOS attēlveidošanas mikroshēmā, tieši novērš vajadzību pēc tradicionālajām optiskajām daļām.

Lasiet arī: Meta jaunā AI funkcija

Pētnieku dziļās mācīšanās pieeja ietver neironu tīkla apmācību ar milzīgu datu kopumu ar augstas un zemas kvalitātes attēlu pāriem, lai tas varētu atšķirt attēla elementus un pēc tam paaugstināt zemas izšķirtspējas attēlus HD kvalitātē pēc apmācības. Izmantojot šo stratēģiju, tika panākts ievērojams attēla kvalitātes rādītāju uzlabojums, piemēram, maksimālā signāla un trokšņa attiecība un strukturālās līdzības indekss, kas arī parādīja ātras apstrādes spējas ar iespēju nekavējoties ģenerēt augstas kvalitātes datus.

Komerciālās dzīvotspējas nākotnes virzieni. 

Gaidāmais pētniecības uzdevums ir vērsts uz metalensu iegūšanu ar pievienotām funkcijām, piemēram, krāsu un plašu apļveida polarizāciju, vienlaikus precizējot un pilnveidojot mākslīgos neironu tīklus, lai uzlabotu kopējo attēlveidošanas kvalitāti. Šīs tehnoloģijas komerciālai realizācijai papildus programmatūrai, kas īpaši izstrādāta viedtālruņiem, lai uzlabotu attēla kvalitāti, ir jāizgudro jauna montāžas metode, lai viedtālruņu kameru moduļos iegultu metalensus.

Ji Chen uzskata, ka uzlabotā AI attīstība ir būtisks pavērsiens fotonikas vēsturē, jo mašīnmācība paver ceļu uz priekšu šajā jomā. Pastāvīgi jauninājumi un īpaši vieglu un īpaši plānu metalensu pilnveidošana ļaus tiem darboties kā spēļu pārveidotājiem attēlveidošanas un noteikšanas tehnoloģijās un vēstīs mazu, augstas veiktspējas kameru parādīšanos.

Ideja par AI iekļaušanu metalens tehnoloģijā ir radikāla pārveide attēlveidošanas pasaulē. Izmantojot dziļās mācīšanās metodes, pētnieki ir pavēruši durvis metalensiem augstas izšķirtspējas attēlveidošanai mazās un vieglās formās, un tam ir tālejoša ietekme uz plaša patēriņa elektroniku, kā arī zinātnisko izpēti. Šī sarežģītā AI integrācija ar optiku nākotnē paplašināsies, iekļaujot funkcijas, kas vizuālajā attēlveidē un analīzē pārspēj visus attēlus.