麻省理工学院的人工智能可以在光线不足的场景中重现物体的图像

在研究人员麻省理工学院已经开发出可以为了再现物体隔离在光线暗淡的图像小，几乎是透明的不完善的人工智能(AI)系统。麻省理工学院新闻 今天发表的一篇博客文章描述了一个深层神经网络 - 分层数学函数，松散地模仿大脑中神经元的行为 - 可以清除粒状图像中的目标伪像。

麻省理工学院机械工程教授George Barbastathis认为这可能在医学中有应用。

“在实验室里，如果用光线轰击生物细胞，就会燃烧它们，而且没有什么可以留下来的，”他告诉麻省理工学院新闻。“当涉及X射线成像时，如果您将患者暴露于X射线，则会增加他们患癌症的危险。我们在这里做的是 - 您可以获得相同的图像质量，但对患者的曝光率较低。在生物学方面，当你想要对它们进行采样时，你可以减少对生物标本的伤害。“

为了组装一个语料库，该团队采集了10,000个集成电路(IC)，每个集成电路都暴露在相位空间光调制器中，在玻璃载玻片上显示出独特的蚀刻状水平和垂直条纹图案。在黑暗中拍摄的所有10,000个IC的照片用于“教导”AI系统以重建透明的，模糊的物体。

有趣的是，这些图片是从焦点中捕获的 - 这是为了在检测到的光线中产生涟漪，这表明给定物体存在于神经网络中。研究人员通过在物理学中引入一条描述相机散焦时光线行为的定律来校正由此产生的模糊。

“不可见的物体可以用不同的方式显示出来，但通常需要你使用充足的光线，”Barbastathis说。“我们现在正在做的是在黑暗中想象看不见的物体。所以这就像两个困难相结合。然而，我们仍然可以做同样的启示。“

在对模型进行充分训练之后，团队通过将其暴露于训练集中不存在的模式来验证他们的工作。在黑暗中，无论是否嵌入物理定律，它都能够准确地重建原始透明图案。此外，当对人物，动物，地点和其他对象的10,000个图像的新数据集进行训练并且馈送场景的透明蚀刻的图像时，其产生比原始图像更精确的重建。

“我们已经证明，深度学习可以在黑暗中揭示隐形物体，”该报的第一作者亚历山大·戈伊告诉麻省理工学院新闻。“这一结果对于医学成像具有实际意义，可以降低患者对有害辐射的暴露，以及天文成像。