شبكة عصبية التفافية كثيفة متعددة الأبعاد لإعادة بناء المجال الضوئي

نعتبر مشكلة إعادة بناء المجال الضوئي عالي الأبعاد ونطور إطار عمل قائم على التعلم لتحقيق السوبر دقة المكانية والزاوية. تتطلب العديد من الطرق الحالية إما أدلة تباين أو تستعيد التفاصيل المكانية والزوايا بشكل منفصل. تواجه هذه الطرق صعوبات مع الأسطح غير اللامبرتية أو الحجب. على النقيض، نقوم بصياغة إعادة بناء السوبر دقة للمجال الضوئي (LFSR) كإعادة ترميم للأ tensor ونطور إطار عمل تعليمي يعتمد على إعادة ترميم من مرحلتين مع التفاف رباعي الأبعاد (4D). وهذا يسمح لنموذجنا بتعلم الميزات التي تلتقط المعلومات الهندسية المشفرة في مشاهد متعددة متجاورة. تختلف هذه الميزات الهندسية بالقرب من مناطق الحجب وتحدد حدود الجسم الأمامي. لتدريب شبكة قابلة للتطبيق، نقترح عملية تطبيع جديدة بناءً على مجموعة من الرؤى في خرائط الميزات، ونصمم دالة خسارة مرحلية، ونطور استراتيجية تدريب متعددة النطاقات لتحسين الأداء بشكل أكبر. يتم إجراء تقييمات على عدد من مجموعات بيانات المجال الضوئي بما في ذلك المشاهد الواقعية، والبيانات الاصطناعية، ومجالات الضوء الميكروسكوبي. تحقق الطريقة المقترحة أداءً ممتازًا ووقت تنفيذ أقل مقارنةً مع أساليب الحالة الراهنة الأخرى.