Fundamental Recovery Bounds for SPAD Signals under Stationary Flux

Resumo Técnico: Limites de Recuperação Fundamentais para Sinais de SPAD sob Fluxo Estacionário

Definição do Problema
Matrizes de fotodiodo de avalanche de fóton único (SPAD) oferecem sensibilidade extrema e resolução temporal de picossegundos, permitindo aplicações em imagens de tempo de vida de fluorescência, LiDAR e imagem fora da linha de visão. No entanto, os dados de SPAD são inerentemente estocásticos e discretos, representando eventos de detecção em vez de amostras de intensidade contínuas. Recuperar uma imagem limpa ou um mapa de fluxo a partir desses dados constitui um problema inverso não linear.

Sensores SPAD passivos atuais operam em três modos distintos, cada um gerando estatísticas de sinal bruto diferentes:

1. Carimbos de Tempo de Funcionamento Livre (M1): Registra o tempo de chegada de cada evento de detecção dentro de uma janela de exposição.
2. Bins Binários (M2): Divide a exposição em bins de tempo, reportando apenas um único bit indicando se ocorreu pelo menos um evento (modo Sensor de Imagem Quântica).
3. Bins com Carimbo de Tempo (M3): Um modo limitado em largura de banda onde cada bin reporta, no máximo, um evento, incluindo seu tempo de chegada dentro daquele bin.

Análises e algoritmos de reconstrução anteriores (especificamente métodos baseados em difusão) trataram esses modos isoladamente. Não havia um framework unificado para comparar os limites fundamentais de recuperabilidade entre esses modos ou para aplicar um único algoritmo de reconstrução que se adapte às estatísticas específicas do sensor de cada modo.

Metodologia
Os autores propõem uma abordagem unificada centrada na função de score de verossimilhança (o gradiente do log-verossimilhança dos dados brutos em relação ao fluxo incidente).

1. Derivação de Funções de Score e Limites:

   • O artigo deriva as funções de score de verossimilhança para todos os três modos passivos (M1, M2, M3) a partir de primeiros princípios, contabilizando o tempo morto ($\tau_{dead}$) e a janela de detecção ($\tau_{sense}$) do sensor.
   • Utilizando essas funções de score, os autores derivam o Limite Inferior de Cramér–Rao (CRLB) para estimadores não viesados do fluxo de fótons. Isso estabelece o limite fundamental de recuperação para cada modo.
   • O framework é estendido para o Limite Inferior de Cramér–Rao Bayesiano (BCRLB) ao incorporar um prior aprendido. Isso utiliza um modelo de difusão baseado em score (SBD) para aproximar a função de score do prior da imagem ($\nabla_x \log p(x)$), permitindo o cálculo de limites de recuperação práticos que consideram correlações espaciais em imagens naturais.

2. Algoritmo de Reconstrução Unificado:

   • Os autores adaptam a Amostragem de Posterior de Difusão (DPS) para dados de SPAD. Embora trabalhos anteriores tenham aplicado DPS a dados SPAD binários, este trabalho estende a aplicação para casos de carimbo de tempo completos.
   • O algoritmo de reconstrução (Algoritmo 1) refina iterativamente uma estimativa de imagem combinando um prior de score aprendido (proveniente de uma U-Net treinada) com a função de score de verossimilhança específica correspondente ao modo de operação do sensor (M1, M2 ou M3).
   • Um passo de adaptação de domínio é introduzido para mapear o domínio de fluxo não negativo para o intervalo $[-1, 1]$ exigido pelos modelos de difusão padrão.

Principais Contribuições

• Análise Estatística Unificada: O artigo fornece a primeira derivação unificada de funções de score de verossimilhança e limites de recuperação fundamentais (CRLB) para todos os três principais modos de operação passiva de SPAD.
• Identificação de um Gap de Alto Fluxo: A análise revela uma diferença qualitativa de desempenho em alto fluxo de fótons. O erro relativo para Bins Binários (M2) diverge exponencialmente conforme o fluxo aumenta (devido à saturação), enquanto ambos os modos com carimbo de tempo (M1 e M3) degradam apenas linearmente. Isso demonstra que registrar tempos de eventos não é meramente um ganho incremental, mas uma distinção fundamental entre saturação gradual e rápida.
• Extensão de Modelos de Difusão: O trabalho estende a amostragem de posterior de difusão de dados binários para dados de SPAD com carimbo de tempo, derivando e integrando as funções de score corretas e compatíveis com o modo.
• Computação de Limite Bayesiano: Os autores demonstram um método para computar BCRLBs empíricos usando uma rede de score treinada, fornecendo um limite inferior teórico para o Erro Quadrático Médio (MSE) em tarefas de reconstrução envolvendo priors de imagem natural.

Resultados

• Limites Teóricos: Gráficos numéricos do CRLB confirmam que, em baixo fluxo, todos os modos performam de forma semelhante. No entanto, conforme o fluxo aumenta, o modo binário (M2) sofre uma perda catastrófica na precisão da estimativa, enquanto os modos com carimbo de tempo (M1, M3) mantêm o crescimento linear do erro. O M1 (Funcionamento Livre) oferece consistentemente o limite mais estreito, seguido de perto pelo M3 (Bins com Carimbo de Tempo).
• Desempenho de Simulação: Em simulações utilizando o dataset FFHQ, o método SBD proposto, utilizando a função de score correspondente ao modo, supera significamente a estimativa de Máxima Verossimilhança (ML) e abordagens de SBD desalinhadas.
  • Para taxas de eventos médias, o SBD com Carimbos de Tempo de Funcionamento Livre (M1) alcançou o maior PSNR (23 dB) e SSIM (0.67).
  • O SBD com Bins com Carimbo de Tempo (M3) e Bins Binários (M2) performaram de forma similar entre si (22 dB PSNR), mas foram inferiores ao modo de carimbo de tempo contínuo.
  • Crucialmente, o uso da função de score errada (por exemplo, aplicar o score binário para dados com carimbo de tempo) resultou em uma qualidade de reconstrução degradada.
• Demonstração com Dados Reais: O método foi validado em dados reais de SPAD de um ventilador rotativo (modo M3) e uma cena de túnel. Reconstruções usando a função de score M3 correta produziram imagens de alta fidelidade, enquanto o uso dos scores binários (M2) ou de funcionamento livre (M1) (que ignoram as restrições específicas de binagem) resultou em artefatos ou falha.

Significância e Alegações
O artigo afirma estabelecer uma base comum para a recuperação de detecção de fóton único. Ao vincular tanto os limites fundamentais quanto os algoritmos práticos de difusão à função de score de verossimilhança, o trabalho responde a duas questões críticas:

1. O que é recuperável? A análise unificada de CRLB quantifica a perda fundamental de informação em diferentes modos de sensores, destacando a importância crítica do carimbo de tempo para cenários de alto fluxo.
2. Como se aproximar do limite? O algoritmo proposto demonstra que combinar a função de score de reconstrução com o modo de operação específico do sensor é essencial para alcançar resultados de alta fidelidade.

Os autores enfatizam que seu escopo é restrito à detecção passiva com fluxo estacionário, excluindo configurações ativas como TCSPC de laser pulsado. Eles observam modestamente que, embora seu framework unificado melhore a reconstrução, o desempenho é, em última análise, limitado pelas limitações físicas do sensor (tempo morto) e pela qualidade do prior de imagem aprendido. O trabalho não propõe novo hardware, mas sim fornece as ferramentas teóricas e algorítmicas para maximizar a utilidade das matrizes SPAD existentes através de diferentes modos de operação.