结合物理算法结果，深层神经网络最终还原出了精确图像——停靠在码头的贡多拉船。
即使光线充足，酒杯上的微小瑕疵或隐形眼镜上的细小折痕都很难辨认。而在几乎完全黑暗的条件下，具有类似透明特征的物体的图像更是无法识别。《物理评论快报》杂志12月12日发表的论文报道，美国麻省理工学院的工程师们开发了一种技术，可以利用黑暗中拍摄的图像，重构透明物体。
研究人员使用“深层神经网络”完成了这项看似不可能的任务。“深层神经网络”是一种机器学习技术，它能训练计算机将特定的输入和输出关联起来。在这一研究中，特定的输入和输出是透明物体及其黑色颗粒状图像。研究人员训练了一台计算机，使它能根据低光线条件下拍摄的图片识别出一万多种透明的玻璃状蚀刻物。图片的每个像素大约包含一个光子，远低于摄像机在避光房间中拍摄需要的光线条件。训练完成后，他们向电脑展示了一幅新的颗粒状图像，令人惊讶的是，电脑重建了被黑暗“掩盖”的透明物体。因此，研究人员认为，这种深层神经网络可以用于提供透明生物组织和细胞的细节。麻省理工学院机械工程教授乔治?巴巴斯塔斯(George Barbastathis)表示：“如果光照过强，生物细胞很可能会被强光损坏，导致失去成像的目标。而使用X光成像时，会增加病人的健康风险。如果将我们的研究应用于生物组织成像，那么既能保证图像质量，还能减少对患者的伤害。”
为了“训练”深层神经网络，研究人员会给计算机录入了各种图片以及图片标签。当录入的数据累积到一定程度时，神经网络就可以对全新的图像进行正确分类了。巴巴斯塔斯说：“透明物体能以不同的方式显现，但前提是需要有充足的光线。我们的工作可以在黑暗中可视化那些‘隐形’的物体。”
通过对比试验，研究人员还发现，利用物理算法对深层神经网络进行增强，图像重建更为准确。论文作者亚历山大?高伊（Alexandre Goy）说：“我们的研究对低辐射医学成像和天文学研究均具有实际意义。”
编译：雷鑫宇
审稿：德克斯特
责编：南熙
