論文の概要: Seeing Around Corners with Edge-Resolved Transient Imaging

• arxiv url: http://arxiv.org/abs/2002.07118v1
• Date: Mon, 17 Feb 2020 18:33:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-31 13:09:58.400022
• Title: Seeing Around Corners with Edge-Resolved Transient Imaging
• Title（参考訳）: エッジ分解過渡イメージングによる角膜周囲の観察
• Authors: Joshua Rapp, Charles Saunders, Juli\'an Tachella, John Murray-Bruce, Yoann Altmann, Jean-Yves Tourneret, Stephen McLaughlin, Robin M. A. Dawson, Franco N. C. Wong, Vivek K Goyal
• Abstract要約: 非視線画像(NLOS)は、視野の外側の物体の画像を形成する。 拡散反射は散乱光をあらゆる方向に反射し、弱い信号と方向情報の損失をもたらす。 本稿では,垂直端から角分解能,パルス光源からの時間応答から長手分解能を導出する角を周角で見る方法を提案する。
• 参考スコア（独自算出の注目度）: 15.44831979669091
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-line-of-sight (NLOS) imaging is a rapidly growing field seeking to form images of objects outside the field of view, with potential applications in search and rescue, reconnaissance, and even medical imaging. The critical challenge of NLOS imaging is that diffuse reflections scatter light in all directions, resulting in weak signals and a loss of directional information. To address this problem, we propose a method for seeing around corners that derives angular resolution from vertical edges and longitudinal resolution from the temporal response to a pulsed light source. We introduce an acquisition strategy, scene response model, and reconstruction algorithm that enable the formation of 2.5-dimensional representations -- a plan view plus heights -- and a 180$^{\circ}$ field of view (FOV) for large-scale scenes. Our experiments demonstrate accurate reconstructions of hidden rooms up to 3 meters in each dimension.
• Abstract（参考訳）: 非視線イメージング(NLOS:non-line-of-sight imaging)は、視界外の物体の画像を作成しようとする急速に成長する分野であり、探索・救助、偵察、医療画像にも応用できる可能性がある。 NLOSイメージングの重要な課題は、散乱反射が散乱光をあらゆる方向に反射し、弱い信号と方向情報の損失をもたらすことである。 そこで本研究では, パルス光源に対する時間応答から, 垂直エッジからの角分解能と縦分解能を導出する角のまわりを観測する手法を提案する。 本稿では,2.5次元の図形 - プランビュー+高さ - と180$^{\circ}$ field of view (FOV) を大規模シーンで作成するための獲得戦略,シーン応答モデル,再構成アルゴリズムを提案する。 実験では,各次元に最大3mの隠れ部屋の正確な復元を行った。

関連論文リスト

• GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
  本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。 提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
  論文  参考訳（メタデータ） (2024-05-17T07:31:20Z)
• Phase Guided Light Field for Spatial-Depth High Resolution 3D Imaging [36.208109063579066]
  3Dイメージングでは、光界カメラは通常単発で、空間解像度と深度精度の低下に悩まされる。 そこで本研究では,オフザシェルフ光場カメラの空間分解能と深度を両立させる位相誘導光場アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-17T15:08:15Z)
• Multi-Projection Fusion and Refinement Network for Salient Object Detection in 360{\deg} Omnidirectional Image [141.10227079090419]
  我々は,360度全方位画像中の有向物体を検出するために,MPFR-Net(Multi-Projection Fusion and Refinement Network)を提案する。 MPFR-Netは、等角射影像と対応する4つの立方体展開像を入力として使用する。 2つの全方位データセットの実験結果から,提案手法は定性的かつ定量的に,最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-12-23T14:50:40Z)
• Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
  多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。 我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。 本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
  論文  参考訳（メタデータ） (2021-10-11T20:20:03Z)
• Towards Non-Line-of-Sight Photography [48.491977359971855]
  非視線イメージング(NLOS)は、隠された物体からの多重バウンス間接反射を捉えることに基づいている。 アクティブなNLOSイメージングシステムは、シーンを通しての光の飛行時間の捕捉に依存している。 我々はNLOS写真と呼ばれる新しい問題定式化を提案し、この欠陥に特に対処する。
  論文  参考訳（メタデータ） (2021-09-16T08:07:13Z)
• A Parallel Down-Up Fusion Network for Salient Object Detection in Optical Remote Sensing Images [82.87122287748791]
  光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。 In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。 ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-10-02T05:27:57Z)
• Efficient Non-Line-of-Sight Imaging from Transient Sinograms [36.154873075911404]
  非視線(NLOS)イメージング技術は、角の周囲を見るために可視表面(例えば壁)から拡散的に反射する光を使用する。 1つのアプローチは、パルスレーザーと超高速センサーを使用して、多重散乱光の移動時間を測定することである。 より効率的なNLOSスキャン方式を提案する。
  論文  参考訳（メタデータ） (2020-08-06T17:50:50Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。