論文の概要: Few-shot Non-line-of-sight Imaging with Signal-surface Collaborative
Regularization
- arxiv url: http://arxiv.org/abs/2211.15367v1
- Date: Mon, 21 Nov 2022 11:19:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-04 14:08:24.229121
- Title: Few-shot Non-line-of-sight Imaging with Signal-surface Collaborative
Regularization
- Title(参考訳): 信号面協調正則化による非視線イメージング
- Authors: Xintong Liu, Jianyu Wang, Leping Xiao, Xing Fu, Lingyun Qiu, Zuoqiang
Shi
- Abstract要約: 非視線イメージング技術は、多重反射光からターゲットを再構成することを目的としている。
最小限の測定回数でノイズロバストを再現する信号表面の協調正規化フレームワークを提案する。
我々のアプローチは、救助活動や自律運転といったリアルタイム非視線画像アプリケーションにおいて大きな可能性を秘めている。
- 参考スコア(独自算出の注目度): 18.466941045530408
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The non-line-of-sight imaging technique aims to reconstruct targets from
multiply reflected light. For most existing methods, dense points on the relay
surface are raster scanned to obtain high-quality reconstructions, which
requires a long acquisition time. In this work, we propose a signal-surface
collaborative regularization (SSCR) framework that provides noise-robust
reconstructions with a minimal number of measurements. Using Bayesian
inference, we design joint regularizations of the estimated signal, the 3D
voxel-based representation of the objects, and the 2D surface-based description
of the targets. To our best knowledge, this is the first work that combines
regularizations in mixed dimensions for hidden targets. Experiments on
synthetic and experimental datasets illustrated the efficiency and robustness
of the proposed method under both confocal and non-confocal settings. We report
the reconstruction of the hidden targets with complex geometric structures with
only $5 \times 5$ confocal measurements from public datasets, indicating an
acceleration of the conventional measurement process by a factor of 10000.
Besides, the proposed method enjoys low time and memory complexities with
sparse measurements. Our approach has great potential in real-time
non-line-of-sight imaging applications such as rescue operations and autonomous
driving.
- Abstract(参考訳): 非視線イメージング技術は、多重反射光からターゲットを再構成することを目的としている。
既存のほとんどの方法では、リレー面上の高密度点をラスタスキャンして高品質な再構成を行い、長い取得時間を要する。
本研究では,最小限の測定回数でノイズロバストを再現する信号表面協調正規化(SSCR)フレームワークを提案する。
ベイズ推定を用いて,推定信号のジョイント正規化,物体の3次元ボクセルに基づく表現,目標の2次元面に基づく記述を設計する。
私たちの知る限りでは、これは隠れたターゲットに対する混合次元の正則化を組み合わせる最初の仕事です。
共焦点および非共焦点条件下での合成および実験データセット実験により,提案手法の有効性とロバスト性を示した。
複素幾何学的構造を持つ隠れターゲットの復元について, 公的なデータセットから5ドル=5$の共焦点測定を行い, 従来の測定過程を10000倍加速させることを示す。
また,提案手法は少ない時間とメモリの複雑度とスパース測定を満足する。
我々のアプローチは、救助活動や自動運転といったリアルタイム非視線画像アプリケーションにおいて大きな可能性を秘めている。
関連論文リスト
- Distributed Stochastic Optimization of a Neural Representation Network for Time-Space Tomography Reconstruction [4.689071714940848]
X線CT(Computerd tomography)を用いた動的事象や変形物体の4次元時間空間再構成は、非常に不適切な逆問題である。
既存のアプローチでは、オブジェクトは数千から数百のX線投影計測画像の間静止していると仮定している。
本稿では,新しい分散学習アルゴリズムを用いて学習した,分散暗黙的ニューラルネットワークを用いた4次元時間空間再構成を提案する。
論文 参考訳(メタデータ) (2024-04-29T19:41:51Z) - Stable Surface Regularization for Fast Few-Shot NeRF [76.00444039563581]
我々はAnnealing Signed Distance Function (ASDF) と呼ばれる安定表面正規化手法を開発した。
SDFの異なるレベルセットを形成するためには、アイコンの損失が密集した訓練信号を必要とすることが観察され、数発の訓練で低忠実度結果が得られた。
提案手法は、既存の数発の新規ビュー合成法よりも最大45倍高速である。
論文 参考訳(メタデータ) (2024-03-29T05:39:47Z) - Cryo-forum: A framework for orientation recovery with uncertainty
measure with the application in cryo-EM image analysis [0.0]
本稿では,10次元特徴ベクトルを用いて方向を表現し,予測方向を単位四元数として導出し,不確実な距離で補足する擬似制約擬似プログラムを提案する。
本手法は,2次元Creo-EM画像からの向きをエンドツーエンドで効果的に復元することを示し,不確実性を含むことにより,データセットを3次元レベルで直接クリーンアップすることができる。
論文 参考訳(メタデータ) (2023-07-19T09:09:24Z) - Towards Scalable Multi-View Reconstruction of Geometry and Materials [27.660389147094715]
本稿では,3次元シーンのカメラポーズ,オブジェクト形状,空間変化の両方向反射分布関数(svBRDF)のジョイントリカバリ手法を提案する。
入力は高解像度のRGBD画像であり、アクティブ照明用の点灯付き携帯型ハンドヘルドキャプチャシステムによってキャプチャされる。
論文 参考訳(メタデータ) (2023-06-06T15:07:39Z) - DETR4D: Direct Multi-View 3D Object Detection with Sparse Attention [50.11672196146829]
サラウンドビュー画像を用いた3次元物体検出は、自動運転にとって必須の課題である。
マルチビュー画像における3次元オブジェクト検出のためのスパースアテンションと直接特徴クエリを探索するトランスフォーマーベースのフレームワークであるDETR4Dを提案する。
論文 参考訳(メタデータ) (2022-12-15T14:18:47Z) - Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文 参考訳(メタデータ) (2022-05-25T17:59:53Z) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳(メタデータ) (2021-03-22T18:06:58Z) - 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) - 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。