Das Phasenretrieval umfasst die Wiederherstellung eines Signals aus nur Intensitätsmessungen, was in vielen Bereichen wie Bildgebung, Holographie, optischem Rechnen, Kristallographie und Mikroskopie von entscheidender Bedeutung ist. Obwohl es mehrere bekannte Algorithmen für das Phasenretrieval gibt, einschließlich klassischer iterativer Löser, bleibt die Rekonstruktionsleistung oft empfindlich gegenüber der Initialisierung und Messrauschen. In letzter Zeit haben Bild-zu-Bild-Diffusionsmodelle in verschiedenen Bildrekonstruktionsaufgaben an Bedeutung gewonnen und bedeutende theoretische Erkenntnisse sowie praktische Fortschritte erzielt. In dieser Arbeit stellen wir einen neuartigen Ansatz für das Phasenretrieval vor, der auf einem Bild-zu-Bild-Diffusionsrahmen basiert, der Inversion durch direkte Iteration genannt wird. Unsere Methode beginnt mit einer verbesserten Initialisierungsphase, die eine hybride iterative Technik nutzt, die die Methoden Hybrid Input-Output und Fehlerreduktion kombiniert und einen neuartigen Beschleunigungsmechanismus integriert, um eine robuste grobe Schätzung zu erhalten. Dann verfeinert sie diese anfängliche grobe Schätzung iterativ mit der gelernten Bild-zu-Bild-Pipeline. Unsere Methode erzielt erhebliche Verbesserungen sowohl in der Trainingseffizienz als auch in der Rekonstruktionsqualität. Darüber hinaus nutzt unser Ansatz Aggregationstechniken zur Verfeinerung der Qualitätsmetriken und zeigt überlegene Ergebnisse im Vergleich zu sowohl klassischen als auch zeitgenössischen Techniken. Dies unterstreicht das Potenzial für ein effektives und effizientes Phasenretrieval in verschiedenen Anwendungen.
Kaya et al. (Sun,) untersuchten diese Frage.