論文の概要: Deep Learning-enabled Spatial Phase Unwrapping for 3D Measurement
- arxiv url: http://arxiv.org/abs/2208.03524v1
- Date: Sat, 6 Aug 2022 14:19:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-09 14:02:50.956347
- Title: Deep Learning-enabled Spatial Phase Unwrapping for 3D Measurement
- Title（参考訳）: 深層学習による空間位相の3次元計測
- Authors: Xiaolong Luo, Wanzhong Song, Songlin Bai, Yu Li, and Zhihe Zhao
- Abstract要約: 単一周波数パターンを投影する単一カメラシステムは、FPP(Fringe Projection Profilometry)システムの中で理想的な選択肢である。
本稿では,FPPにおける頑健なSPUに対して,ディープラーニングと従来の経路追従を組み合わせたハイブリッド手法を提案する。
- 参考スコア（独自算出の注目度）: 7.104399331837426
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In terms of 3D imaging speed and system cost, the single-camera system
projecting single-frequency patterns is the ideal option among all proposed
Fringe Projection Profilometry (FPP) systems. This system necessitates a robust
spatial phase unwrapping (SPU) algorithm. However, robust SPU remains a
challenge in complex scenes. Quality-guided SPU algorithms need more efficient
ways to identify the unreliable points in phase maps before unwrapping.
End-to-end deep learning SPU methods face generality and interpretability
problems. This paper proposes a hybrid method combining deep learning and
traditional path-following for robust SPU in FPP. This hybrid SPU scheme
demonstrates better robustness than traditional quality-guided SPU methods,
better interpretability than end-to-end deep learning scheme, and generality on
unseen data. Experiments on the real dataset of multiple illumination
conditions and multiple FPP systems differing in image resolution, the number
of fringes, fringe direction, and optics wavelength verify the effectiveness of
the proposed method.
- Abstract（参考訳）: 3次元撮像速度とシステムコストの観点からは、単一周波数パターンを投影する単一カメラシステムは、提案されている全てのフリンジプロフィロメトリ (fpp) システムの中で理想的な選択肢である。
このシステムは、堅牢な空間位相解放(SPU)アルゴリズムを必要とする。
しかし、堅牢なSPUは複雑な場面では依然として課題である。
品質誘導型SPUアルゴリズムは、切り離す前に位相マップの信頼性の低い点を識別するより効率的な方法を必要とする。
エンドツーエンドのディープラーニングSPU手法は、汎用性と解釈可能性の問題に直面している。
本稿では,FPPにおける頑健なSPUに対して,ディープラーニングと従来の経路追従を組み合わせたハイブリッド手法を提案する。
このハイブリッドSPU方式は、従来の品質誘導型SPU法よりも堅牢性、エンドツーエンドのディープラーニング方式よりも解釈性が高く、目に見えないデータに対する一般性を示す。
複数の照明条件と複数のFPPシステムの実際のデータセットに関する実験は, 画像解像度, フリンジ数, フリンジ方向, 光学波長によって異なるが, 提案手法の有効性を検証する。
関連論文リスト
- Revisiting Disparity from Dual-Pixel Images: Physics-Informed Lightweight Depth Estimation [3.6337378417255177]
完成度に基づくネットワークに基づく軽量な分散度推定手法を提案する。
DP固有の相違誤差をパラメトリックにモデル化し、トレーニング中のサンプリングに使用することにより、DPのユニークな特性を取得する。
その結果,提案手法はシステム全体の規模を従来の手法の1/5に減らし,最先端の成果を得た。
論文 参考訳（メタデータ） (2024-11-06T09:03:53Z) - OrientDream: Streamlining Text-to-3D Generation with Explicit Orientation Control [66.03885917320189]
OrientDreamは、テキストプロンプトから効率よくマルチビューで一貫した3D生成のためのカメラ指向条件付きフレームワークである。
本戦略は,2次元テキスト・画像拡散モジュールの事前学習におけるカメラ配向条件付き機能の実装を強調する。
提案手法は,一貫したマルチビュー特性を持つ高品質なNeRFモデルを生成するだけでなく,既存手法よりも最適化速度が大幅に向上することを示した。
論文 参考訳（メタデータ） (2024-06-14T13:16:18Z) - Enhanced fringe-to-phase framework using deep learning [2.243491254050456]
本稿では、2つのフランジ画像を絶対位相に変換する対称核融合ネットワークであるSFNetを紹介する。
出力信頼性を向上させるため,本フレームワークでは,入力として使用するものと異なる周波数のフリンジ画像から情報を取り込むことにより,洗練された位相を予測する。
論文 参考訳（メタデータ） (2024-02-01T19:47:34Z) - Self-supervised phase unwrapping in fringe projection profilometry [0.0]
単カメラ遠近射影プロファイロメトリーのための新しい自己監督型位相アンラッピング法を提案する。
訓練されたネットワークは、64周期の1フェーズマップから絶対縁順を検索し、深さ精度でDF-TPUアプローチをオーバーパフォーマンスすることができる。
実験により, 提案手法が実際の動きのぼやけ, 孤立物体, 低反射率, 位相不連続の場面で有効であることを示す。
論文 参考訳（メタデータ） (2023-02-13T14:16:34Z) - Faster Adaptive Federated Learning [84.38913517122619]
フェデレートラーニングは分散データの出現に伴って注目を集めている。
本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
論文 参考訳（メタデータ） (2022-12-02T05:07:50Z) - Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。
HSI再構成のための深層学習にHSI空間を埋め込んだCST
特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
論文 参考訳（メタデータ） (2022-03-09T16:17:47Z) - Uncertainty-Aware Deep Multi-View Photometric Stereo [100.97116470055273]
光度ステレオ(PS)は高周波表面の細部を復元するのに優れ、マルチビューステレオ(MVS)はPSによる低周波歪みを除去し、大域的な形状を維持するのに役立つ。
本稿では,PS と MVS の相補的強みを効果的に活用する手法を提案する。
我々は,不確実性を考慮したディープPSネットワークとディープMVSネットワークを用いて,画素ごとの表面の正規度と深さを推定する。
論文 参考訳（メタデータ） (2022-02-26T05:45:52Z) - Multi-view Depth Estimation using Epipolar Spatio-Temporal Networks [87.50632573601283]
一つのビデオから多視点深度を推定する新しい手法を提案する。
提案手法は,新しいEpipolar Spatio-Temporal Transformer(EST)を用いて時間的コヒーレントな深度推定を行う。
最近のMixture-of-Expertsモデルにインスパイアされた計算コストを削減するため、我々はコンパクトなハイブリッドネットワークを設計する。
論文 参考訳（メタデータ） (2020-11-26T04:04:21Z) - Data-driven Optimal Power Flow: A Physics-Informed Machine Learning
Approach [6.5382276424254995]
本稿では,SELMフレームワークに基づく最適電力フロー(OPF)のためのデータ駆動型アプローチを提案する。
データ駆動型OPF回帰フレームワークが開発され、OPFモデルの特徴を3段階に分解する。
IEEEおよびポーランドのベンチマークシステムにおいて,提案手法が他の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-05-31T15:41:24Z) - Deep Unfolding Network for Image Super-Resolution [159.50726840791697]
本稿では,学習に基づく手法とモデルに基づく手法の両方を活用する,エンドツーエンドのトレーニング可能なアンフォールディングネットワークを提案する。
提案するネットワークは, モデルベース手法の柔軟性を継承し, 一つのモデルを用いて, 異なるスケール要因に対する, 曖昧でノイズの多い画像の超解像化を行う。
論文 参考訳（メタデータ） (2020-03-23T17:55:42Z) - PnP-Net: A hybrid Perspective-n-Point Network [2.66512000865131]
本稿では、ディープラーニングとモデルベースアルゴリズムを組み合わせたハイブリッドアプローチを用いて、ロバストなパースペクティブ・n・ポイント問題を考察する。
計算量の少ない合成パラメータと実世界のデータの両方を実証する。
論文 参考訳（メタデータ） (2020-03-10T10:43:14Z)
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。