論文の概要: Making the Invisible Visible: Toward High-Quality Terahertz Tomographic
Imaging via Physics-Guided Restoration
- arxiv url: http://arxiv.org/abs/2304.14894v1
- Date: Fri, 28 Apr 2023 15:05:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 13:52:28.514070
- Title: Making the Invisible Visible: Toward High-Quality Terahertz Tomographic
Imaging via Physics-Guided Restoration
- Title(参考訳): 可視化:物理誘導再生による高画質テラヘルツイメージングに向けて
- Authors: Weng-Tai Su, Yi-Chun Hung, Po-Jen Yu, Shang-Hua Yang and Chia-Wen Lin
- Abstract要約: テラヘルツ(THz)トモグラフィーは、非侵襲的で非破壊的で、非イオン化、物質分類、超高速な物体探査と検査により、近年大きな注目を集めている。
本稿では,THz画像のマルチビューアテンションとマルチスペクトル特徴を融合した多視点サブスペース誘導再生ネットワーク(SARNet)を提案する。
- 参考スコア(独自算出の注目度): 24.045067900801072
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Terahertz (THz) tomographic imaging has recently attracted significant
attention thanks to its non-invasive, non-destructive, non-ionizing,
material-classification, and ultra-fast nature for object exploration and
inspection. However, its strong water absorption nature and low noise tolerance
lead to undesired blurs and distortions of reconstructed THz images. The
diffraction-limited THz signals highly constrain the performances of existing
restoration methods. To address the problem, we propose a novel multi-view
Subspace-Attention-guided Restoration Network (SARNet) that fuses multi-view
and multi-spectral features of THz images for effective image restoration and
3D tomographic reconstruction. To this end, SARNet uses multi-scale branches to
extract intra-view spatio-spectral amplitude and phase features and fuse them
via shared subspace projection and self-attention guidance. We then perform
inter-view fusion to further improve the restoration of individual views by
leveraging the redundancies between neighboring views. Here, we experimentally
construct a THz time-domain spectroscopy (THz-TDS) system covering a broad
frequency range from 0.1 THz to 4 THz for building up a
temporal/spectral/spatial/ material THz database of hidden 3D objects.
Complementary to a quantitative evaluation, we demonstrate the effectiveness of
our SARNet model on 3D THz tomographic reconstruction applications.
- Abstract(参考訳): terahertz (thz) 断層撮影は最近、非侵襲的、非破壊的、非イオン化、物質分類、および物体探査と検査のための超高速の性質により、注目を集めている。
しかし、その強い吸水特性と低雑音耐性は、望ましくないぼやけと再構成されたTHz画像の歪みを引き起こす。
回折制限されたTHz信号は、既存の復元法の性能を非常に制約する。
そこで本稿では,thz画像のマルチビュー・マルチスペクトル特徴を融合して画像復元と3次元断層画像再構成を行うマルチビューサブスペース・アテンション・ガイドド・リカバリ・ネットワーク(sarnet)を提案する。
この目的のために、SARNetはマルチスケールブランチを使用して、ビュー内スペクトル振幅と位相特徴を抽出し、共有部分空間投影と自己アテンションガイダンスを介してそれらを融合する。
次に,隣接ビュー間の冗長性を活用し,個々のビューの復元をさらに改善するために,ビュー間融合を行う。
本研究では,隠れた3dオブジェクトの時間・スペクトル・空間・物質のthzデータベースを構築するために,0.1thzから4thzまでの広い周波数範囲をカバーするthz時間領域分光(thz-tds)システムを構築した。
定量的評価を補完し,3次元THzトモグラフィ再構成におけるSARNetモデルの有効性を示す。
関連論文リスト
- Limited-View Photoacoustic Imaging Reconstruction Via High-quality Self-supervised Neural Representation [4.274771298029378]
HIgh-quality Self-supervised Neural representation (HIS) と呼ばれる自己教師ネットワークを導入する。
HISは、限られた視点で取得したセンサデータから高品質な光音響画像を再構成するために、光音響イメージングの逆問題に取り組む。
その結果,提案したHISモデルは,光音響画像再構成によく用いられる3つの手法と比較して,画質が優れていることがわかった。
論文 参考訳(メタデータ) (2024-07-04T06:07:54Z) - Multi-scale Restoration of Missing Data in Optical Time-series Images with Masked Spatial-Temporal Attention Network [2.230457109765141]
リモートセンシング画像に欠落した値を出力する方法は、補助情報を十分に活用していない。
MS2と呼ばれるディープラーニングベースのアプローチは、リモートセンシング画像の時系列再構成を提案する。
平均信号-信号-信号比0.40dB/1.17dBの改善により、最先端の手法よりも優れる。
論文 参考訳(メタデータ) (2024-06-19T09:05:05Z) - RaFE: Generative Radiance Fields Restoration [38.602849644666165]
NeRF(Neural Radiance Fields)は、新しいビュー合成と3次元再構成において大きな可能性を証明している。
従来のNeRF修復法は、回復の一般性を無視して、特定の劣化タイプに合わせて調整されている。
本稿では,様々な種類の劣化に対して適用可能な一般放射場復元パイプラインであるRaFEを提案する。
論文 参考訳(メタデータ) (2024-04-04T17:59:50Z) - 2L3: Lifting Imperfect Generated 2D Images into Accurate 3D [16.66666619143761]
マルチビュー(MV)3次元再構成は,生成したMV画像を一貫した3次元オブジェクトに融合させる,有望なソリューションである。
しかし、生成された画像は、通常、一貫性のない照明、不整合幾何学、スパースビューに悩まされ、復元の質が低下する。
本稿では, 内在的分解誘導, 過渡的モノ先行誘導, および3つの問題に対処するための視認性向上を活用する新しい3次元再構成フレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-29T02:30:31Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2023-12-11T18:38:28Z) - ReconFusion: 3D Reconstruction with Diffusion Priors [104.73604630145847]
本稿では,数枚の写真を用いて現実のシーンを再構成するReconFusionを提案する。
提案手法は,合成および多視点データセットに基づいて訓練された新規なビュー合成に先立って拡散を利用する。
本手法は,観測領域の外観を保ちながら,非拘束領域における現実的な幾何学とテクスチャを合成する。
論文 参考訳(メタデータ) (2023-12-05T18:59:58Z) - High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。
提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
論文 参考訳(メタデータ) (2022-11-28T18:59:52Z) - PC-GANs: Progressive Compensation Generative Adversarial Networks for
Pan-sharpening [50.943080184828524]
空間情報とスペクトル情報の漸進的補償によりMS画像のシャープ化を行うパンシャーピングの新しい2段階モデルを提案する。
モデル全体が三重GANで構成されており、特定のアーキテクチャに基づいて、三重GANを同時に訓練できるように、共同補償損失関数が設計されている。
論文 参考訳(メタデータ) (2022-07-29T03:09:21Z) - 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) - 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。