加州大学伯克利分校的计算机科学家兼电气工程师劳拉·沃勒（Laura Waller）说：“他们能从该系统中获取任何信息，这真让我感到惊讶，”他没有参与其中。工作。 “这仅表明了机器学习解决似乎无法解决的问题的能力。”
在传统摄影中，环境光会反射物体，然后镜头将其聚焦在微小的光敏元件或像素的屏幕上。图像是反射光产生的亮点和暗点的图案。所谓的飞行时间相机甚至可以精确计时从物体反射的闪光何时到达各个像素，从而增加深度并制作3D图像。
近几十年来，研究人员发明了仅使用单个像素检测器即可捕获图像的更巧妙方法。为此，它们不会使物体暴露于均匀的照明下，而是暴露于模糊不清的类似于QR码（包装上很少见的方形条形码）的不同模式的闪光下。每个图案都会反射出对象的不同部分，因此像素测量的光强度会随图案而变化。通过跟踪这些变化，研究人员可以重建物体的图像。
现在，格拉斯哥大学的数据科学家Alex Turpin和物理学家Daniele Faccio及其同事已经发明了一种生成具有单个像素的3D图像的方法，但是没有图案化的闪光。利用快如闪电的单光子探测器，他们以均匀的闪光照亮了一个场景，并简单地测量了反射时间。探测器的精度为1纳秒的四分之一，可计算到达的光子数量与时间的关系。研究人员仅根据这些信息即可重建场景图像。
沃勒说，这令人惊讶，因为原则上场景中物体的排列与时间信息之间没有一对一的关系。例如，从检测器3米外的任何表面反射的光子，无论朝向表面的方向如何，都将在10纳秒内到达。乍一看，这种模糊性似乎使问题无法解决。沃勒说：“单像素成像，当我第一次听到这个概念时，我想，那应该行得通。” “我以为，‘这不行。’”
为了解决这个问题，Turpin及其同事采用了一种称为神经网络的机器学习程序，可以对其进行训练以检测输入和输出之间的细微相关性。研究人员使用他们的闪光灯和探测器记录了在固定的不对称背景场景（他们的实验室）之前移动的一两个人的数据。同时，他们使用飞行时间相机拍摄场景的真实3D图像。
研究人员上周在Optica上报告说，在使用这两个数据集训练神经网络后，该程序能够对现场移动的人进行成像。与飞行时间相机相比，时间图像模糊且缺乏细节。然而，它们清楚地揭示了人们的形态。
由于经过训练，神经网络可以解密模糊的信号，因为它将尝试仅诱使与已经看到的场景和对象相似的场景和对象。但这意味着系统也很有限：它必须在要观察的精确场景上进行训练。
“我们需要背景，” Turpin说。 “没有背景，它将停止工作。”他说，针对一个全新的场景，该系统很可能会产生一个错误的想象，就像它所训练的场景一样。
Turpin说，时间成像系统比普通成像具有一些优势。例如，新系统可能会非常快，可能以每秒1000帧的速度工作。 Turpin说，这种粗略而快速的3D成像可能具有多种应用。 （请考虑在自动驾驶汽车上应用休息时间。）该系统也便宜又简单。从理论上讲，技术爱好者可以使用普通笔记本电脑和无线路由器的无线电天线监视房间。
版权与免责声明：
① 凡本网注明"来源：科学仪器网"的所有作品，版权均属于科学仪器网，未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品，应在授权范围内使用，并注明"来源：科学仪器网"。违者本网将追究相关法律责任。
② 本网凡注明"来源：xxx（非本网）"的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。
③ 如涉及作品内容、版权等问题，请在作品发表之日起两周内与本网联系，否则视为默认科学仪器网有权转载。
