最初的透明蚀刻（最右），黑暗中拍摄的照片（左上），基于物理的算法（右上），训练过的神经网络（左下）。将基于物理的算法和神经网络结合起来，可以更加清晰准确地重建图像（右下）。
研究团队为该神经网络提供了超过 10000 张透明玻璃状的蚀刻图像，它们是在极低光照条件下（每像素约 1 光子）拍摄的。研究一作 Alexandre Goy 表示：
当我们用肉眼去观察时，它们看起来都像一块透明的玻璃。但实际上，其暗藏了非常精细、浅显的结构，仍会对光产生影响。
在完成了对神经网络的训练之后，团队打造了一套全新的模式，它已不再是原始数据集的一部分。在对其进行系统分析后，我们发现深度学习确实可以揭示在黑暗中隐形的物体。
MIT 机械工程系教授 George Barbastathis 指出，若用光照射实验室中的生物细胞，会将它们烧焦而不会留下任何影像。此外，如果让患者接受过量的 X 射线，会增加其患癌的几率。
好消息是，这项技术能够在保持同等图像质量的前提下，减少光线或 X 射线的曝光。除了医学成像，它也适用于天文摄影。
有关这项研究的详情，已经发表在近日出版的《物理评论快报》（Physical Review Letters）上。
免责声明：本文由用户投稿，（图文、音视频）均由用户自行上传分享，文章内容不代表本站立场，本站不对其内容的真实性、完整性、准确性给予任何担保、暗示和承诺，仅供读者参考，文章版权归原作者所有。若您的权利被侵害，请联系本站在线客服进行删除。