Communication Dans Un Congrès Année : 2025

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.

Fichier principal
Vignette du fichier
Poster Gretsi FR.pdf (1.2 Mo) Télécharger le fichier
2025-Santos-PSF_Gretsi.pdf (1.76 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05247877 , version 1 (10-09-2025)

Licence

Identifiants

  • HAL Id : hal-05247877 , version 1

Citer

Theo Santos, Ferréol Soulez, Thomas Bodin, Olivier Flasseur. Paramétrisation de fonction d'étalement du point par apprentissage génératif sur des mesures expérimentales. GRETSI'25, Aug 2025, Strasbourg, France. ⟨hal-05247877⟩
185 Consultations
130 Téléchargements

Partager

  • More