Guided Lensless Polarization Imaging

Resumen Técnico: Imágenes de Polarización Sin Lente Guiadas

1. Planteamiento del Problema

La imagen de polarización captura el estado de polarización de la luz, revelando información invisible al ojo humano pero crucial en campos como el diagnóstico biomédico, la conducción autónoma y la teledetección. Sin embargo, las cámaras de polarización convencionales suelen ser costosas, voluminosas y complejas, lo que limita su adopción generalizada.

La imagen sin lente (lensless) ofrece una alternativa compacta y de bajo costo al reemplazar las lentes con elementos ópticos simples (como difusores o máscaras codificadas) y realizar la reconstrucción computacionalmente. No obstante, los sistemas existentes de polarización sin lente sufren de baja calidad de reconstrucción. Esto se debe a que las mediciones son altamente comprimidas y multiplexadas (codifican información estructural y de polarización simultáneamente), lo que convierte al problema de inversión en uno mal planteado (ill-posed). Los métodos basados en física (como FISTA o ADMM) recuperan estimaciones gruesas pero fallan en recuperar detalles de alta frecuencia y son sensibles al ruido y a las desviaciones del modelo óptico.

2. Metodología Propuesta

Los autores proponen un sistema innovador de imagen de polarización sin lente guiada por RGB. El sistema combina un sensor de polarización-RGB compacto con una cámara RGB convencional auxiliar que proporciona información estructural de guía.

El enfoque se basa en una tubería de reconstrucción en dos etapas:

• Etapa 1: Inversión Basada en Física

  • Se utiliza un algoritmo de optimización (como FISTA o ADMM) para recuperar una imagen de polarización inicial a partir de las mediciones sin lente crudas.
  • Se emplea una regularización de Variación Total (TV) tridimensional (espacial y de polarización) para imponer suavidad y consistencia física.
  • El resultado es una estimación inicial coherente con el modelo óptico, pero que carece de detalles finos y alta frecuencia.

• Etapa 2: Refinamiento Profundo Guiado por RGB

  • Se introduce una red neuronal basada en Transformers (Swin Transformer), adaptada de la arquitectura SwinFuSR.
  • Esta red realiza una fusión de dominios cruzados entre dos ramas:
    1. La rama de la reconstrucción inicial de polarización (baja calidad).
    2. La rama de la imagen RGB de la misma escena (capturada por la cámara convencional).
  • Utiliza bloques de Fusión Cruzada Guiada por Atención (ACF) que alternan entre auto-atención y atención cruzada para integrar la información estructural de alta frecuencia de la imagen RGB con los datos de polarización.
  • Se utiliza una conexión de salto (skip connection) para añadir la reconstrucción inicial al resultado final, asegurando la consistencia con el modelo físico.
  • Para robustecer el sistema ante errores de alineación en escenarios reales, se aplica una augmentación de traducción aleatoria durante el entrenamiento.

3. Contribuciones Clave

1. Primer Sistema Guiado por RGB: Es la primera propuesta de un sistema de imagen de polarización sin lente que integra la reconstrucción basada en física con el refinamiento guiado por datos (RGB).
2. Arquitectura Híbrida: Diseño de un enfoque en dos etapas que combina solucionadores físicos (FISTA/ADMM) con una red Transformer adaptada para la fusión multimodal, permitiendo la recuperación de estructuras finas.
3. Generalización Robusta: El método demuestra una mejora consistente en métricas de calidad (PSNR, SSIM, LPIPS) sobre sistemas sin guía y se generaliza bien a diferentes conjuntos de datos y condiciones de iluminación, incluso sin ajuste fino (fine-tuning).
4. Validación en Prototipo Real: Se demuestra la viabilidad práctica en un prototipo físico de cámara sin lente, logrando resultados de alta calidad en el mundo real sin necesidad de recalibración extensiva.

4. Resultados Experimentales

Los autores evaluaron el método en múltiples conjuntos de datos sintéticos (PIP, UPLight, ZJU-RGB-P) y con datos reales capturados por su prototipo.

• Rendimiento Cuantitativo: El método propuesto supera significativamente a los baselines existentes (solo física, solo aprendizaje profundo sin guía, FlatNet, PolarAnything).
  • En el conjunto de datos PIP (configuración en escala de grises de 3 ángulos), el método alcanza un PSNR de 35.13 y un SSIM de 0.97, comparado con ~13.87 para FISTA puro y ~28.85 para FISTA + Transformer sin guía RGB.
  • Se observa una recuperación superior de detalles de alta frecuencia y una mayor fidelidad estructural.
• Generalización: El modelo mantiene un alto rendimiento en conjuntos de datos no vistos durante el entrenamiento (como UPLight, que contiene escenas submarinas), demostrando robustez ante cambios de dominio.
• Resultados Reales: En el prototipo físico, el sistema guiado por RGB logra reconstrucciones mucho más nítidas que los métodos puramente físicos, recuperando detalles estructurales que de otro modo se perderían debido a las imperfecciones de fabricación de la máscara y el difusor.
• Estudios de Ablación:
  • La fusión por atención cruzada es superior a la simple concatenación de características.
  • El sistema es robusto a la mismatch del PSF (desajuste de la función de dispersión de puntos), funcionando bien incluso con ópticas no vistas.
  • La augmentación de traducción es crítica para manejar desalineaciones menores entre las cámaras en escenarios reales.

5. Significado e Impacto

Este trabajo representa un avance significativo en la computación fotónica y la imagenología. Al demostrar que es posible utilizar una cámara RGB estándar y barata para guiar la reconstrucción de una cámara de polarización sin lente, los autores logran:

• Reducción de Costos y Tamaño: Elimina la necesidad de cámaras de polarización dedicadas, voluminosas y costosas.
• Viabilidad Práctica: Hace que la imagen de polarización sea accesible para aplicaciones donde el tamaño y el costo son críticos, como la microscopía compacta, la endoscopia y la robótica.
• Calidad de Imagen: Supera las limitaciones de los métodos puramente físicos, recuperando detalles que antes se consideraban perdidos en sistemas de imagen comprimida.

En conclusión, el artículo presenta una solución modular y escalable que combina lo mejor de la óptica física y el aprendizaje profundo para democratizar la tecnología de imagen de polarización.