Lehrplanlernen für ab initio tief gelernte refraktive Optik – Nature Communications

Lehrplanlernen für ab initio tief gelernte refraktive Optik – Nature Communications

Das differentiable Strahlenverfolgungsframework simuliert Bilder, die von Kameras aufgenommen wurden, mithilfe von Strahlenverfolgungsbasiertem Rendering. Während der Vorwärts-Bildsimulation wird der Gradient jedes optischen Parameters θ (Oberflächenkrümmung, Position, Kegel, und polynomiale Koeffizienten) verfolgt. Anschließend kann die Sensor-Simulation in ein nachgeschaltetes tiefes Netzwerk \({\theta }^{{\prime} }\) für die Bildrekonstruktion eingegeben werden. Während der Rückpropagation wird der Bildfehler zwischen dem Objektbild I und der Netzwerkausgabe \(\widetilde{I}\) zurückgeführt, um sowohl die optischen als auch die Netzwerkparameter zu optimieren.

Im Bereich des klassischen optischen Designs und des end-to-end optischen Designs wird dieser bildbasierte Optimierungsansatz genutzt. Das Curriculum-Lernen für die automatische Linsenkonstruktion beinhaltet ein dreistufiges Trainingsprogramm mit einem schrittweise steigenden Schwierigkeitsgrad für die Linse, eine optische Regularisierung zur Vermeidung von degenerativen Strukturen und eine Gewichtsmaskierung zur Flucht aus lokalen Minima.

Die automatische Optimierung von Linsestrukturen umfasst sowohl das Curriculum-Lernen als auch das Trainieren eines Netzwerks zur Bildrekonstruktion, um scharfe Bilder von 10 cm bis 10 m zu gewährleisten. Durch die Nutzung einer Mischung aus asphärischen Elementen und einer rekonstruktiven Netzwerklösung wird die Bildqualität verbessert und eine gleichmäßige Fokussierung über den gesamten Tiefenbereich erreicht.

In der Evaluierung der Curriculum-Lernstrategie für das automatische Linsendesign werden die Ergebnisse der Entwurfsoptimierung analysiert. Dabei zeigen sich signifikante Verbesserungen in der Bildqualität und die Beseitigung von lokalen Minima und degenerativen Strukturen. Durch die Kombination von Curriculum-Lernen, optischer Regularisierung und einer Gewichtsmaske werden alle Designs mit reduzierten RMS-Werten hergestellt. Der Einsatz dieser Methoden ermöglicht die Schaffung von Linsestrukturen ohne Selbstüberschneidungen und mit verbesserter Abbildungsleistung.