单像素成像
一种通过一系列二值照明图案对场景进行编码测量、再借助计算重建获得图像的成像技术，其自适应测量设计面临组合爆炸的计算挑战。
时间轴 (近 90 天)
压缩感知是单像素成像的理论基石之一，它指出若信号在某个变换域中稀疏，则可用远少于奈奎斯特采样定理所要求的测量次数恢复信号。
LIPS-PC（Learning Illumination Patterns for Single-Pixel Classification）是一种直接学习用于分类的照明模式的单像素成像方法，无需先重建图像再分类。
单像素成像（鬼成像）使用空间光调制器投射已知图案，并用单点探测器测量总光强，通过求解线性方程组或优化问题重建图像。
单像素成像在非可见波段（如X射线、太赫兹、短波红外）具有显著成本优势，因为这些波段的高分辨率阵列探测器往往昂贵甚至不可得。
单像素成像（SPI）通过一系列二值照明图案对场景进行编码测量，再借助计算重建获得图像。
近期一篇工作将贝叶斯序贯最优实验设计（sOED）问题重新表述为强化学习（RL）任务，用于单像素成像的自适应测量。
单像素成像的设计空间由所有可能的二值照明图案构成，若图像有N个像素，则可能的图案数为2^N；对于32×32图像（N=1024），设计空间规模达2^1024，远超可枚举范围。
研究采用一个简单但具有代表性的单像素成像场景，评估了学习策略在两种不同策略参数化下的可扩展性。
全部知识事实 (8)
压缩感知是单像素成像的理论基石之一，它指出若信号在某个变换域中稀疏，则可用远少于奈奎斯特采样定理所要求的测量次数恢复信号。
50%待验证LIPS-PC（Learning Illumination Patterns for Single-Pixel Classification）是一种直接学习用于分类的照明模式的单像素成像方法，无需先重建图像再分类。
50%待验证单像素成像（鬼成像）使用空间光调制器投射已知图案，并用单点探测器测量总光强，通过求解线性方程组或优化问题重建图像。
50%待验证单像素成像在非可见波段（如X射线、太赫兹、短波红外）具有显著成本优势，因为这些波段的高分辨率阵列探测器往往昂贵甚至不可得。
50%待验证单像素成像（SPI）通过一系列二值照明图案对场景进行编码测量，再借助计算重建获得图像。
50%待验证近期一篇工作将贝叶斯序贯最优实验设计（sOED）问题重新表述为强化学习（RL）任务，用于单像素成像的自适应测量。
50%待验证单像素成像的设计空间由所有可能的二值照明图案构成，若图像有N个像素，则可能的图案数为2^N；对于32×32图像（N=1024），设计空间规模达2^1024，远超可枚举范围。
50%待验证研究采用一个简单但具有代表性的单像素成像场景，评估了学习策略在两种不同策略参数化下的可扩展性。
50%