본 연구는 데이터 기반(data-driven, DD) 및 물리 기반(physics-driven, PD) 딥러닝 위상 복원 전략을 소개하고 비교한다.
DD 전략은 위상-홀로그램 데이터셋을 활용하여 신경망을 지도 학습하는 방식이다. 이를 통해 신경망은 홀로그램에서 위상을 복원하는 암묵적 매핑 관계를 학습한다.
PD 전략은 물리적 전파 모델을 활용하여 신경망을 자기 지도 학습하는 방식이다. 이를 통해 신경망은 홀로그램에서 위상을 복원하는 명시적 매핑 관계를 학습한다.
연구진은 이 두 전략을 시간 소요, 정확도, 일반화 능력, 잘 정의되지 않은 문제 적응성, 사전 정보 활용 능력 등의 관점에서 비교하였다.
DD는 저주파 배경 정보를 잘 복원하지만 고주파 세부 정보가 부족하고, PD는 고주파 세부 정보를 잘 복원하지만 저주파 배경 정보가 부족하다는 것을 발견했다.
이에 연구진은 데이터와 물리 기반의 통합 전략(co-driven, CD)을 제안하여 고주파 및 저주파 정보의 균형을 달성하였다.
또한 실험 데이터를 통해 반복 추론을 하는 uPD와 tPDr이 가장 높은 정확도를 보이고, CD가 DD와 PD보다 고주파 및 저주파 정보를 더 균형 있게 복원함을 확인하였다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Kaiqiang Wan... um arxiv.org 04-03-2024
https://arxiv.org/pdf/2404.01360.pdfTiefere Fragen