Інженери-електрики з Науково-технічного університету Поханг, Корея, досягли успіхів у Metalenses, які конкурують з традиційними лінзами для захоплення зображень. Цей невеликий і ефективний пакет може революціонізувати широкий спектр галузей.
З широким використанням зображень у камерах, віртуальній реальності та доповненій реальності системи обробки зображень стають більш ефективними та компактними. Головною проблемою традиційних систем візуалізації є їхня залежність від громіздких скляних лінз.
Разом із великими розмірами низька ефективність на кількох довжинах хвиль створює проблеми для розробки ефективних систем. Для створення високоякісних зображень у тонких конструкціях дослідники розробили метаповерхневі лінзи (Metalenses) із великим потенціалом у компактних зображеннях.
Металеві лінзи — це надтонкі лінзи, виготовлені з крихітних наноструктур, які можуть маніпулювати світлом на нанорозмірі. Вони можуть вирішити основні проблеми зображення, такі як хроматичні та кутові аберації. Незважаючи на успіхи, Metalenses стикається з перешкодами в ефективності фокусування, діаметрі лінзи та спектральній смузі пропускання.
У дослідженні, опублікованому в Розширена фотонікадослідники використовували системи глибокого навчання, щоб подолати більшість цих обмежень. Ця інноваційна система обробки зображень Metalense використовує структуру зображень на основі глибокого навчання. Завдяки інтеграції штучного інтелекту (AI) з оптичною системою Metalense команда досягла високої роздільної здатності та зображень без аберацій.
Роль шпиндельних завитків у розвитку технології коліс
Хоча Metalenses ефективно фокусують світло навіть на нанорозмірі, іноді системі не вдається сфокусувати всі кольори в одній точці, що призводить до спотворених або розмитих зображень. Глибоке навчання спеціалізується на розпізнаванні та виправленні колірних аберацій.
Що ще важливіше, ШІ вже навчений великому набору даних зображень і продовжує навчатися на зроблених зображеннях. Це ще більше підвищує ефективність фотозйомки.
Фреймворк відновлення зображення використовує дві нейронні мережі. Поки одна мережа навчається виправляти зображення, друга мережа оцінює якість зображення. Комбіноване навчання значно підвищило точність передачі кольору та різкість у різних ракурсах.
«Ми пропонуємо комплексне рішення для обробки зображень, яке готове замінити звичайні системи на основі геометричних лінз. Запропонована система ефективно усуває спотворення, згадані вище, щоб використовувати сильні сторони, властиві металевим лінзам, щоб зробити значний крок до високоякісних зображень без аберацій.“, – йдеться в дослідженні.
Мікроголкові датчики для безперервного моніторингу дермальної інтерстиціальної рідини
Довідка журналу
- Сео Дж., Джо Дж., Кім Дж., Кан Дж., Кан К., Мун С., Лі Е., Хонг Дж., Ро Дж. та Чунг Г. (2023). Наскрізне формування зображень metalens на основі глибокого навчання. Advanced Photonics, Vol. 6, Випуск 6, 066002 (листопад 2024). DOI: 10.1117/1.AP.6.6.066002