論文の概要: Occlusion Fields: An Implicit Representation for Non-Line-of-Sight Surface Reconstruction

• arxiv url: http://arxiv.org/abs/2203.08657v1
• Date: Wed, 16 Mar 2022 14:47:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-17 14:18:25.454612
• Title: Occlusion Fields: An Implicit Representation for Non-Line-of-Sight Surface Reconstruction
• Title（参考訳）: 咬合場 : 非直線面再構成のための暗黙的表現
• Authors: Javier Grau and Markus Plack and Patrick Haehn and Michael Weinmann and Matthias Hullin
• Abstract要約: 非視線再構成(NLoS)は、直接見える拡散した壁から間接的に散乱する光の測定から視野外の物体を復元することを目的としている。 本研究では,NLoSシーンの再現性と復元性とを両立させる新しい表現と再構成手法を提案する。
• 参考スコア（独自算出の注目度）: 3.0553868534759725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-line-of-sight reconstruction (NLoS) is a novel indirect imaging modality that aims to recover objects or scene parts outside the field of view from measurements of light that is indirectly scattered off a directly visible, diffuse wall. Despite recent advances in acquisition and reconstruction techniques, the well-posedness of the problem at large, and the recoverability of objects and their shapes in particular, remains an open question. The commonly employed Fermat path criterion is rather conservative with this regard, as it classifies some surfaces as unrecoverable, although they contribute to the signal. In this paper, we use a simpler necessary criterion for an opaque surface patch to be recoverable. Such piece of surface must be directly visible from some point on the wall, and it must occlude the space behind itself. Inspired by recent advances in neural implicit representations, we devise a new representation and reconstruction technique for NLoS scenes that unifies the treatment of recoverability with the reconstruction itself. Our approach, which we validate on various synthetic and experimental datasets, exhibits interesting properties. Unlike memory-inefficient volumetric representations, ours allows to infer adaptively tessellated surfaces from time-of-flight measurements of moderate resolution. It can further recover features beyond the Fermat path criterion, and it is robust to significant amounts of self-occlusion. We believe that this is the first time that these properties have been achieved in one system that, as an additional benefit, is trainable and hence suited for data-driven approaches.
• Abstract（参考訳）: 非視線再構成(NLoS)は、直接見える拡散した壁から間接的に散乱する光の測定から、視野の外の物体やシーンを復元することを目的とした、新しい間接画像モダリティである。 近年の買収・再建技術は進歩しているものの、問題全体の正当性、特に物体とその形状の回復性は未解決の課題である。 一般に用いられるフェルマー経路の基準は、この点に関してかなり保守的であり、いくつかの曲面は信号に寄与するが、保存不可能である。 本稿では,不透明表面パッチの回復に必要となる簡易な基準を用いる。 このような表面は壁のどこかの地点から直接見えなければならず、背後の空間を遮らなければならない。 近年の神経的暗黙的表現の進歩に触発されて,nlosシーンに対する新しい表現と再構成手法を考案し,復元性とその処理を統一した。 様々な合成および実験データセット上で検証したアプローチでは,興味深い特性を示す。 メモリ非効率な容積表現とは異なり、我々は適度な解像度の飛行時間測定から適応的に振動面を推定できる。 ファーマー経路基準を超えてさらに特徴を回復することができ、かなりの量の自己閉塞に対して堅牢である。 これらの特性が1つのシステムで達成されたのはこれが初めてであり、追加のメリットとして、トレーニング可能で、データ駆動アプローチに適していると考えています。

関連論文リスト

• Unveiling the Ambiguity in Neural Inverse Rendering: A Parameter Compensation Analysis [36.353019226575576]
  逆レンダリングは、マルチビュー画像のみからオブジェクトのシーン特性を再構築することを目的としている。 本稿では,最先端のニューラルネットワーク逆レンダリング手法であるNeural Microfacet Fields (NMF) を用いて,そのあいまいさを表現した。
  論文  参考訳（メタデータ） (2024-04-19T11:56:29Z)
• NeuSurf: On-Surface Priors for Neural Surface Reconstruction from Sparse Input Views [41.03837477483364]
  本研究では,表面の高度に忠実な再構成を実現するために,地上の事前情報を活用する新しいスパース・ビュー・リコンストラクション・フレームワークを提案する。 具体的には,大域的幾何アライメントと局所的幾何洗練に関するいくつかの制約を設計し,粗い形状と細部を協調的に最適化する。 DTUとBlendedMVSデータセットによる2つの一般的なスパース設定の実験結果は、最先端の手法よりも大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2023-12-21T16:04:45Z)
• Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid Representation and Normal Prior Enhancement [50.56517624931987]
  多視点RGB画像からの室内シーンの再構成は、平坦領域とテクスチャレス領域の共存により困難である。 近年の手法では、予測された表面正規化によって支援されたニューラルラジアンス場を利用してシーン形状を復元している。 本研究は, 上記の制限に対処して, 高忠実度表面を細かな詳細で再構築することを目的とする。
  論文  参考訳（メタデータ） (2023-09-14T12:05:29Z)
• Looking Through the Glass: Neural Surface Reconstruction Against High Specular Reflections [72.45512144682554]
  暗黙的ニューラルレンダリングに基づく新しい表面再構成フレームワークNeuS-HSRを提案する。 NeuS-HSRでは、物体表面は暗黙の符号付き距離関数としてパラメータ化される。 我々は、NeuS-HSRが、HSRに対する高精度で堅牢なターゲット表面再構成において、最先端のアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-04-18T02:34:58Z)
• NeTO:Neural Reconstruction of Transparent Objects with Self-Occlusion Aware Refraction-Tracing [44.22576861939435]
  ボリュームレンダリングによる2次元画像から固体透明物体の3次元形状を抽出する新手法NeTOを提案する。 提案手法は, 忠実な復元結果を達成し, 先行作業よりも大きなマージンで性能を向上する。
  論文  参考訳（メタデータ） (2023-03-20T15:50:00Z)
• Deformable Surface Reconstruction via Riemannian Metric Preservation [9.74575494970697]
  モノクロ画像から物体のポーズを推定することは、コンピュータビジョンの基本となる逆問題である。 本稿では,連続的な変形可能な面を画像列から推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-12-22T10:45:08Z)
• SNeS: Learning Probably Symmetric Neural Surfaces from Incomplete Data [77.53134858717728]
  我々はニューラルレイディアンスフィールド(NeRF)のようなニューラルリコンストラクションとレンダリングの最近の進歩の強みの上に構築する。 我々は3次元形状と材料特性にソフト対称性の制約を適用し,光,アルベド色,反射率に分解された外観を有する。 保存されていない領域を高い忠実度で再構成し、高品質な新しいビュー画像を作成することができることを示す。
  論文  参考訳（メタデータ） (2022-06-13T17:37:50Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)
• NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view Reconstruction [88.02850205432763]
  物体やシーンを2次元画像入力から高忠実度に再構成するニュートラルサーフェス(NeuS)を提案する。 DVRやIDRのような既存の神経表面再構成アプローチでは、フォアグラウンドマスクを監督する必要がある。 本研究では,従来のボリュームレンダリング手法が表面再構成に固有の幾何学的誤差を引き起こすことを観察する。 マスクの監督なしでもより正確な表面再構成を実現するため,第一次近似ではバイアスのない新しい定式化を提案する。
  論文  参考訳（メタデータ） (2021-06-20T12:59:42Z)
• Dynamic Facial Expression Recognition under Partial Occlusion with Optical Flow Reconstruction [20.28462460359439]
  本研究では,光フロー領域における顔面の閉塞部分を再構成するためのスキップ接続を備えた自動エンコーダに基づく新しいソリューションを提案する。 提案手法は,オクルード状態と非オクルード状態の間における認識精度の差を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-12-24T12:28:47Z)
• Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
  新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。 実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
  論文  参考訳（メタデータ） (2020-10-12T08:04:24Z)

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。