La IA puede revelar objetos invisibles en la oscuridad total

• Los investigadores del MIT utilizan redes neuronales profundas para revelar objetos invisibles en completa oscuridad.
• Puede obtener imágenes de células y tejidos biológicos sin exponerlos a rayos dañinos y luz intensa.

La mayoría de los sistemas de imágenes solo arrojan datos parciales o distorsionados sobre el objeto que se está fotografiando. Esto ocurre principalmente debido a la falta de información de fase, pérdida de frecuencias espaciales, ruido en la iluminación y dispersores desconocidos en el tren óptico.

En los últimos pares de años, una técnica de aprendizaje automático llamada red neuronal profunda ha atraído mucha atención en el campo de las imágenes computacionales. Se ha demostrado que es un solucionador eficiente en una variedad de aplicaciones, que incluyen imágenes fantasma, óptica adaptativa, microscopía de iluminación adaptativa, recuperación de fase, tomografía óptica e imágenes con submuestreo.

Para el primero, un equipo de investigadores del MIT ha utilizado redes neuronales profundas para resolver un problema de recuperación de fase coherente afectado por un alto nivel de ruido en diferentes niveles. En un lenguaje sencillo, han descubierto un método para revelar objetos invisibles en completa oscuridad.

Esto es muy diferente a la técnica de "modo nocturno" basada en IA existente que se encuentra en el teléfono inteligente Pixel 3 de Google, que puede capturar varias imágenes ruidosas y producir fotos claras, pero requiere algo de luz para empezar. La técnica del MIT, por otro lado, funciona en una habitación completamente oscura. Requiere solo un fotón por píxel.

¿Cómo hicieron esto?

Los investigadores primero capturaron imágenes de objetos objetivo en condiciones casi oscuras. Luego recrearon objetos transparentes a partir de estas imágenes. Para hacer esto, utilizaron redes neuronales profundas, que están capacitadas para reconocer más de 10,000 grabados transparentes similares al vidrio de imágenes oscuras y granuladas que son invisibles para el ojo humano.

Referencia:Cartas de revisión física | doi:10.1103 / PhysRevLett.121.243902 | MIT

Las imágenes en sí, capturadas en una habitación oscura, parecían el ruido estático que se podía ver en un televisor. Las redes neuronales se entrenan en estas imágenes junto con los patrones correspondientes debajo del ruido visual.

Poco a poco, la red aprendió a darle sentido al ruido visual. Eventualmente generó imágenes borrosas. Para que estas imágenes sean más claras, el equipo agregó una capa que puede enfocar la salida.

Cortesía de investigadores

En la imagen de arriba, puede ver la imagen oscura (arriba a la izquierda), que se genera a partir de un grabado transparente (extremo derecho). Los investigadores utilizaron algoritmos físicos basados ​​en el comportamiento de la luz para recrear el objeto (arriba a la derecha). La técnica de aprendizaje automático creó una imagen bastante borrosa (abajo a la izquierda). Combinaron tanto algoritmos físicos como técnicas de aprendizaje automático para reconstruir la imagen más precisa (abajo a la derecha) de un objeto / escena real.

¿Qué utilidad tiene?

La IA podría usarse para iluminar características transparentes como células y tejidos biológicos, en imágenes capturadas con muy poca luz. Las células pueden quemarse o dañarse fácilmente si se exponen a una luz intensa, y entonces no quedará nada a la imagen. Además, cuando los pacientes se exponen a los rayos X, tienen posibilidades de desarrollar cáncer.

Leer:¿Hay algo llamado fotones oscuros? La partícula hipotética

Este estudio podría ayudar en tales casos:los investigadores han hecho posible obtener la misma calidad de imagen al exponer células y tejidos a menos fotones. Esto disminuye significativamente el daño a los especímenes biológicos cuando se toman muestras. Además, la tecnología podría ofrecer una gama de aplicaciones potencialmente útiles en el campo de las imágenes astronómicas.