Paramétrisation de fonction d'étalement du point par apprentissage génératif sur des mesures expérimentales
Résumé
We propose a parametrization of the Point-Spread Function (PSF), which characterises the deformation of the light by an optical system. This parametrization is learned by a generative neural network trained on real PSFs. We present the method used to train the generator, in particular concerning the specifities for using experimental data. We also expose the generation results, showing an efficient and realistic parametrization of PSFs.
Nous proposons une paramétrisation de la fonction d'étalement du point (PSF), qui caractérise la déformation du signal lumineux par un système optique. Cette paramétrisation est apprise par un réseau de neurones génératif s'entraînant sur des acquisitions réelles de PSFs. Nous présentons la méthode d'entraînement du générateur, notamment les spécificités pour l'utilisation de données expérimentales, puis exposons les résultats de génération, montrant une paramétrisation efficace et réaliste de PSFs.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |