该论文旨在解决光学镊子(optical tweezers)驱动的光学微机器人(optical microrobots)在自主操作中面临的3D感知数据稀缺问题。研究背景是：用于细胞操纵和微尺度组装的光学微机器人需要精确的3D感知，但大规模、高质量的显微图像数据集难以获取，因为其制备过程复杂且标注费时费力。现有基于生成对抗网络(generative adversarial network, GAN)的数据增强方法难以准确复现关键的光学特性，尤其是与深度相关的衍射(diffraction)和离焦(defocus)效应。
论文提出了Du-FreqNet，一个用于物理一致显微图像合成的双控制、频率感知扩散模型(dual-control, frequency-aware diffusion model)。该方法的核心包括：
- 采用两个独立的ControlNet分支，分别编码微机器人的3D点云(3D point clouds)和深度特定的网格层(depth-specific mesh layers)。
- 引入了一种自适应频域损失(adaptive frequency-domain loss)，该损失根据到焦平面的距离动态重新加权高频和低频分量。
- 利用基于可微分快速傅里叶变换(differentiable FFT)的监督，捕捉像素空间方法(pixel-space methods)常常忽略的、具有物理意义的频率分布。
- 模型仅需在有限数据集（例如每个姿态80张图像）上训练即可实现可控的、深度相关的图像合成。
论文的核心创新点在于：
1. **双控制扩散模型架构**：首次将两个独立的ControlNet分支集成到扩散模型(diffusion model)中，分别精确控制3D几何（点云）和深度相关的光学效应（网格层），实现了对显微图像物理属性的细粒度控制。
2. **自适应频域损失函数**：提出了一种新颖的、动态调整的频域损失，它根据深度（离焦程度）自适应地重新加权图像的高频和低频成分，从而直接且有效地建模深度依赖的衍射和离焦效应，这是现有基于像素空间的方法难以实现的。
3. **物理引导的频率感知生成**：通过可微分的频域监督，将光学物理先验（频率分布随深度的变化）明确地融入生成过程，确保了生成图像的物理一致性，超越了仅追求视觉逼真度的传统生成方法。
论文对该领域的整体贡献是：
- **提出了一种高质量、物理一致的显微图像生成框架**：Du-FreqNet能够利用极小规模的数据集，生成具有可控深度光学特性的高质量合成图像，在结构相似性指数(structural similarity index, SSIM)上比基线方法提升了20.7%。
- **推动了微机器人感知系统的数据增强**：为解决该领域数据稀缺的根本问题提供了一种有效的新途径，生成的合成数据能有效提升下游任务性能。
- **验证了生成数据对下游任务的提升**：通过大量实验证明，模型生成的图像能有效泛化到未见过的姿态，并显著提升3D姿态估计(3D pose estimation)和深度估计(depth estimation)等下游任务的性能，从而为微机器人系统实现鲁棒的闭环控制(closed-loop control)提供了有力支持。