AI 可以在完全黑暗中发现隐形物体

大多数成像系统只产生关于被成像对象的失真或部分数据。发生这种情况的主要原因是缺乏相位信息、空间频率损失、照明噪声以及光学系统中的未知散射体。

在过去的几年中，一种称为深度神经网络的机器学习技术在计算成像领域引起了广泛关注。它已被证明是各种应用中的有效求解器，包括重影成像、自适应光学、自适应照明显微镜、相位检索、光学断层扫描和欠采样成像。

首先，麻省理工学院的一组研究人员使用深度神经网络解决了受不同级别高噪声影响的相干相位检索问题。简单来说，他们发现了一种在完全黑暗中揭示隐形物体的方法。

这与谷歌 Pixel 3 智能手机中现有的基于人工智能的“夜间模式”技术大不相同，后者可以捕捉多张嘈杂的图像并生成清晰的照片，但它需要一些光线。另一方面，麻省理工学院的技术在完全黑暗的房间里工作。每个像素只需要一个光子。

研究人员首先在几乎漆黑的条件下拍摄了目标物体的照片。然后，他们从这些图片中重新创建了透明物体。为此，他们使用了深度神经网络，该网络经过训练可以从人眼不可见的深色颗粒状图片中识别 10,000 多个透明玻璃状蚀刻。

参考：物理评论快报 | doi:10.1103/PhysRevLett.121.243902 |麻省理工学院

这些照片本身是在黑暗的房间里拍摄的，看起来就像你可以在电视上看到的静态噪音。神经网络对这些图像以及视觉噪声下的相应模式进行训练。

渐渐地，网络学会了从视觉噪音中理解。它最终生成了模糊的图片。为了让这些图片更清晰，团队添加了一个可以聚焦输出的层。

研究人员提供

在上图中，您可以看到由透明蚀刻（极右）生成的深色图像（左上角）。研究人员使用基于光行为的物理算法来重建物体（右上）。机器学习技术产生了相当模糊的图像（左下）。他们结合物理算法和机器学习技术来重建实际物体/场景的最准确图像（右下）。

人工智能可用于在极低光下拍摄的照片中照亮生物细胞和组织等透明特征。如果暴露在强光下，细胞很容易被烧毁或损坏，然后就没有什么可以成像了。此外，当患者暴露于 X 射线时，他们也有可能患上癌症。

阅读：有什么叫做暗光子的吗？假设粒子

这项研究可以在这种情况下提供帮助：研究人员通过将细胞和组织暴露在更少的光子下，可以获得相同的图像质量。这显着减少了对生物样本进行采样时对它们的损害。此外，该技术还可以在天文成像领域提供一系列潜在的有用应用。

工业技术