ConvRML: High-Quality Lensless Imaging with Random Multi-Focal Lenslets

Resumo Técnico de ConvRML: Imagem Sem Lentes de Alta Qualidade com Lenteletes Multifocais Aleatórios

Definição do Problema
A imagem sem lentes baseada em máscaras oferece um caminho para câmeras compactas e de baixo custo através da compressão, substituindo lentes tradicionais por máscaras de fase finas. No entanto, esses sistemas historicamente sofrem de baixa qualidade de reconstrução devido a problemas inversos mal postos, incompatibilidades de modelo e limitações de codificação compressiva. Um gargalo primário é o compromisso no design do codificador óptico: codificadores de alta multiplexação (como difusores) fornecem a redundância necessária para o sensing compressivo, mas reduzem o contraste da medição, particularmente em cenas naturais densas. Por outro lado, designs de baixa multiplexação carecem da precisão necessária para uma reconstrução de alta qualidade. Além disso, o desenvolvimento algorítmico tem procedido de forma independente do design óptico, com arquiteturas de aprendizado profundo sendo frequentemente avaliadas em conjuntos de dados gerados por codificadores de alta multiplexação, deixando uma lacuna na compreensão de como melhor parear algoritmos modernos com medições ópticas de melhor qualidade e menor multiplexação.

Metodologia
Os autores apresentam o ConvRML, um sistema que integra avanços tanto no hardware óptico quanto na reconstrução computacional:

1. Codificador Óptico (RML): O sistema utiliza uma máscara de fase de Lenteletes Multifocais Aleatórios (RML). Diferente dos difusores tradicionais ou matrizes de microlentes regulares, o Rimento RML consiste em lenteletes sobrepostos com focais variadas posicionados em posições pseudo-aleatórias. Este design minimiza as correlações entre as cópias deslocadas da Função de Espalhamento de Ponto (PSF), reduz a multiplexação para preservar o contraste da medição e mantém um amplo campo de visão (FOV). A máscara é fabricada utilizando litografia de dois fótons de alta resolução, garantindo precisão e reprodutibilidade. A natureza multifocal dos lenteletes proporciona uma profundidade de foco estendida, reduzindo a sensibilidade ao desalinhamento axial.
2. Arquitetura de Reconstrução: Os autores implementam uma arquitetura de aprendizado profundo baseada em ConvNeXt. Esta rede neural convolucional é escolhida por sua capacidade de alcançar campos receptivos efetivos amplos através de camadas em cascata, permitindo-lhe lidar com as dependências de longo alcance inerentes às medições multiplexadas sem o overhead computacional ou restrições arquiteturais específicas de modelos baseados em atenção (ex: Transformers).
3. Estrutura de Avaliação Padronizada: Para isolar os efeitos da codificação óptica do desempenho algorítmico, os autores construíram um setup de imagem paralelo. Este setup captura simultaneamente cenas usando três sistemas sob condições idênticas: o imageador sem lentes RML, um imageador sem lentes com difusor padrão e um sistema de lente convencional (servindo como ground truth).
4. Contribuição de Dataset: Os autores geraram e disponibilizaram o Parallel Lensless Dataset (PLD), contendo 100.000 medições para cada sistema (RML, difusor e lente). Este dataset é significativamente maior que os benchmarks anteriores de código aberto (ex: DiffuserCam com 25.000 ou PhlatCam com 10.000) e suporta comparações controladas entre diferentes codificadores ópticos.

Principais Resultados

• Desempenho Óptico: A análise quantitativa usando a Função de Transferência de Modulação (MTF) e Informação Mútua (MI) demonstra que o RML supera o difusor. O RML preserva frequências espaciais mais altas e mantém significativamente mais informação na presença de ruído de leitura e profundidade de bits limitada do sensor (ex: quantização de 4 bits). Enquanto o sinal do difusor frequentemente colapsa em um único bin de quantização sob ruído, o RML retém características distinguíveis.
• Desempenho de Reconstrução:
  • Impacto Óptico: Quando pareado com a mesma arquitetura ConvNeXt, o sistema RML alcança um melhoria de 2.99 dB em PSNR e um aumento de 0.116 em SSIM sobre o sistema difusor, confirmando que medições ópticas aprimoradas traduzem-se diretamente em reconstruções de maior qualidade.
  • Impacto Arquitetural: No benchmark de alta multiplexação DiffuserCam, a ConvNeXt alcançou 25.37 dB de PSNR, superando arquiteturas de atenção de última geração (Lensless Imaging Transformer, Swin Transformer e Vision Transformer) e a linha de base U-Net. Notavelmente, a ConvNeXt alcançou isso com uma capacidade de modelo moderada (36M de parâmetros), enquanto modelos maiores baseados em atenção (ex: Swin Transformer com 59.4M de parâmetros) tiveram um desempenho inferior.
  • Eficiência de Dados: O treinamento da ConvNeXt no dataset RML mostrou ganhos de desempenho até 50.000 medições, após as quais os retornos diminuíram. Isso sugere que a arquitetura é bem adequada a este tamanho de dataset, enquanto modelos maiores baseados em atenção não se beneficiaram necessariamente de maior capacidade ou de mais dados da mesma forma.
• Generalização: Os modelos treinados da ConvNeXt generalizaram com sucesso para reconstruir objetos físicos do mundo real (materiais variados como tecido, metal e plástico) colocados à frente dos sistemas sem lentes, recuperando texturas finas e bordas nítidas que o sistema difusor falhou em resolver.

Significância e Alegações
O artigo afirma que o sistema ConvRML estabelece um novo padrão para a imagem sem lentes de alta qualidade e compacta ao demonstrar que a melhoria na qualidade da medição, aliada a algoritmos poderosos e adequadamente pareados, produz o máximo desempenho de reconstrução.

Principais contribuições incluem:

1. Hardware: Uma máscara de fase RML fabricada com precisão que oferece redução de multiplexação e melhor contraste em comparação aos difusores, fabricada com alta reprodutibilidade.
2. Software: Uma arquitetura de reconstrução ConvNeXt que supera modelos baseados em atenção, sugerindo que redes convolucionais cuidadosamente projetadas são suficientes para lidar com dependências de longo alcance na imagem sem lentes sem a complexidade dos Transformers.
3. Recursos: A liberação do Parallel Lensless Dataset (PLD), o maior dataset experimental de imagem sem lentes de código aberto até o momento, que facilita a avaliação padronizada e o desenvolvimento futuro de arquiteturas de reconstrução.

Os autores concluem que seu trabalho fornece os recursos e evidências necessários para apoiar o desenvolvimento contínuo de imageadores sem lentes compressivos de alta qualidade, indo além das limitações dos sistemas anteriores de alta multiplexação e baixa precisão.