메뉴 건너뛰기

ENG

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

(충북대학교, 충북대학교 일반대학원)

지도교수
Nam Kim
발행연도
저작권
충북대학교 논문은 저작권에 의해 보호받습니다.

이용수0

표지
AI에게 요청하기
추천
검색

초록· 키워드

상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!
위상 전용 SLM은 실리콘 기반 액정이 통합되어 가능한 회절 효율성이 향상되고 렌더링 품질이 우수하기 때문에 진폭 전용 SLM보다 우수합니다. 그러나 위상 전용 간섭 패턴 재구성은 표준 지도 신경망 접근 방식으로는 해결하기 어려운 어렵고 잘못된 역방향 문제입니다. 역방향 문제의 본질적인 복잡성으로 인해 재구성 중에 목표 입력이 제대로 표현되지 않습니다. 이러한 데이터 표현이 좋지 않기 때문에 모델이 부적절하게 학습되어 예측 홀로그램의 정확도와 품질이 크게 저하됩니다. 따라서 이러한 문제를 해결하기 위해서는 감독되지 않은 접근 방식이 필수적입니다.
이 논문에서는 위상 전용 SLM을 위해 2D POH(Phase Only Hologram)를 정확하게 시뮬레이션하는 서로 다른 설계의 두 개의 결합된 컨볼루션 네트워크로 구성된 엔드투엔드 딥러닝 모델인 CUSNet-CGH를 제시합니다. CUSNet-CGH의 두 네트워크 중 하나는 U2-net으로, 백본 모델 없이 처음부터 훈련할 수 있는 능력으로 알려져 있어 조건이 맞지 않는 역 문제를 해결할 수 있는 비지도 훈련을 수행하는 데 이상적인 접근 방식입니다. 제안된 모델의 수치 재구성의 품질은 제안된 주장을 검증하기 위해 여러 다른 최첨단 방법과 비교됩니다. 제안된 엔드투엔드 접근 방식의 평균 피크 신호 잡음비(PSNR)는 동적 색상과 DIV2K 데이터 세트의 복잡한 세부 패턴을 특징으로 하는 이미지 세트를 기반으로 ~0.81의 평균 SSIM으로 ~31dB에 달하며, 이 논문 보고서에서 분석된 모든 최첨단 방법을 능가합니다. 또한 실험을 통해 제안된 엔드투엔드 결합 학습 접근 방식이 고품질의 광학 재구성으로 이어진다는 것이 입증되었습니다.
#end-to-end deep learning model #U square net #phase-only #unsupervised #computer-generated holography

목차

  1. INTRODUCTION 1
    1.1 COMPUTER-GENERATED HOLOGRAPHY USING DEEP LEARNING 1
    1.2 PROBLEM STATEMENT AND MOTIVATION 2
    1.3 THESIS OVERVIEW 3
    BACKGROUND OF CGH 4
    2.1 BASIC PRINCIPLES 4
    2.2 BACKGROUND STUDIES 7
    PROPOSED DEEP LEARNING-BASED CGH METHOD 10
    3.1 PROPOSED METHOD 10
    3.2 DL TRAINING AND EVALUATION 15
    NUMERICAL RESULTS AND EXPERIMENTAL ANALYSIS 16
    4.1 SIMULATION RESULTS AND DISCUSSIONS 16
    4.2 EXPERIMENTAL SETUP 28
    4.3 EXPERIMENTAL RESULTS ANALYSIS 30

최근 본 자료

전체보기
260429_DBpiaAI
260319_딥리서치
260319_AI리더
260304_새학기에이전트
260429 전공별 추천 이벤트
260304_아그논문롤
260127_아그논문
260127_AI뷰어