[论文翻译]通过非实验性深度学习实现0.8%奈奎斯特计算重影成像

我们提出了一种基于深度学习与定制粉红噪声散斑图案的计算重影成像框架。本工作中的深度神经网络仅通过模拟训练即可学习传感模型并提升图像重建质量。为验证方案的亚奈奎斯特采样特性，我们在不同噪声条件下对比了传统计算重影成像、基于深度学习的白噪声与粉红噪声重建结果。实验表明：即使目标物体不在训练集中，该方案仍能在0.8%采样率下获得高质量图像，且对噪声环境具有强鲁棒性。该方法特别适用于需要低采样率、快速重建或强噪声干扰的各类应用场景。