[論文レビュー] Compression of phase-only holograms with JPEG standard and deep learning

Shuming Jiao, Zhi Jin+4 more|arXiv (Cornell University)|Jun 11, 2018

Advanced Optical Imaging Technologies参考文献 35被引用数 3

ひとこと要約

本稿では、JPEG標準とディープラーニングを組み合わせたハイブリッド圧縮フレームワークを提案し、コンピュータ生成型位相のみのホログラムを効率的に圧縮する。JPEG圧縮によって生じるアーティファクトを復元するために深層畳み込みニューラルネットワークを用いることで、広く導入されているJPEGインfra構造と互換性を保ちながら、高品質なホログラム再構成を実現し、標準的なJPEGのみの圧縮と比較して視覚的忠実度を顕著に向上させる。

ABSTRACT

It is a critical issue to reduce the enormous amount of data in the processing, storage and transmission of a hologram in digital format. In photograph compression, the JPEG standard is commonly supported by almost every system and device. It will be favorable if JPEG standard is applicable to hologram compression, with advantages of universal compatibility. However, the reconstructed image from a JPEG compressed hologram suffers from severe quality degradation since some high frequency features in the hologram will be lost during the compression process. In this work, we employ a deep convolutional neural network to reduce the artifacts in a JPEG compressed hologram. Simulation and experimental results reveal that our proposed "JPEG + deep learning" hologram compression scheme can achieve satisfactory reconstruction results for a computer-generated phase-only hologram after compression.

研究の動機と目的

• デジタルホログラフィーにおける高いデータ量、特にコンピュータ生成型位相のみのホログラムの課題に対処すること。
• 広く使われているJPEG標準をホログラム圧縮に適応させることで、普遍的な互換性を実現すること。
• ホログラムデータに対するロスありJPEG圧縮によって引き起こされる深刻な画像品質の劣化を軽減すること。
• JPEG圧縮後の再構成品質を向上させるためのディープラーニングベースの復元手法を開発すること。
• 実用的なホログラム圧縮に向けた「JPEG + ディープラーニング」パイプラインの実現可能性と有効性を実証すること。

提案手法

• 位相のみのホログラムに標準的なJPEG圧縮アルゴリズムを適用してデータサイズを削減すること。
• JPEG圧縮済みホログラムからのアーティファクトを学習し、除去するための深層畳み込みニューラルネットワーク（CNN）を用いること。
• 元のホログラムとJPEG圧縮済みホログラムのペアを用いて、圧縮済み画像から高品質な再構成画像へのマッピングを学習するためのCNNの訓練を行うこと。
• エンドツーエンドの特徴抽出とアーティファクト抑制を実現するため、U-Netに類似したアーキテクチャを採用すること。
• 再構成済みと元のホログラム強度パターンの差を最小化する損失関数を用いてネットワークを最適化すること。
• JPEG圧縮後の画像品質回復を目的としたポストプロセッシングステップとして、ディープラーニングモデルを統合すること。

実験結果

リサーチクエスチョン

• RQ1 高周波数成分を多く含むホログラムに対して、JPEG標準が有効に適用可能かどうか。
• RQ2 JPEG圧縮が再構成ホログラム画像の品質に及ぼす影響の程度はどの程度か。
• RQ3 ディープラーニングモデルがホログラムのJPEG圧縮後に視覚的品質を効果的に回復できるか。
• RQ4 再構成忠実度という観点から、「JPEG + ディープラーニング」パイプラインとJPEGのみの圧縮とを比較した場合、どのような差が生じるか。
• RQ5 提案手法が、JPEG用に設計された既存のシステムやインfra構造と互換性を有するか。

主な発見

• 提案された「JPEG + ディープラーニング」手法は、JPEG圧縮済み位相のみのホログラムにおける視覚的アーティファクトを顕著に低減する。
• シミュレーションおよび実験結果から、ディープラーニングモデルがJPEG圧縮中に失われた高周波数特徴を効果的に回復することが確認された。
• JPEGのみの圧縮と比較して、本手法は知覚的に優れた再構成品質を達成し、信号対雑音比および構造的類似性が向上した。
• 既存のJPEGインfra構造と互換性を保つため、広範な展開可能性を有する。
• ディープラーニング部は、ホログラム強度パターンにおける微細なディテールやテクスチャの再構成を効果的に学習した。
• 本フレームワークは、さまざまなホログラムシーンおよび圧縮レートにおいても、強固な性能を示した。