論文の概要: Neural Volumetric Reconstruction for Coherent Synthetic Aperture Sonar
- arxiv url: http://arxiv.org/abs/2306.09909v1
- Date: Fri, 16 Jun 2023 15:35:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-19 13:22:28.737619
- Title: Neural Volumetric Reconstruction for Coherent Synthetic Aperture Sonar
- Title（参考訳）: Coherent Synthetic Aperture Sonar に対する神経体積再建術
- Authors: Albert W. Reed, Juhyeon Kim, Thomas Blanford, Adithya Pediredla,
Daniel C. Brown, Suren Jayasuriya
- Abstract要約: 合成開口ソナー(SAS)は、再構成画像の解像度を高めるために複数の視点からシーンを測定する。
SASのための画像再構成手法は,音響エネルギーを現場に集中させるため,連続的に計測を組み合わせている。
我々は、ニューラルレンダリングの最近の進歩を活用してコヒーレントSASイメージングを行う分析合成最適化を設計する。
- 参考スコア（独自算出の注目度）: 4.208276864195653
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Synthetic aperture sonar (SAS) measures a scene from multiple views in order
to increase the resolution of reconstructed imagery. Image reconstruction
methods for SAS coherently combine measurements to focus acoustic energy onto
the scene. However, image formation is typically under-constrained due to a
limited number of measurements and bandlimited hardware, which limits the
capabilities of existing reconstruction methods. To help meet these challenges,
we design an analysis-by-synthesis optimization that leverages recent advances
in neural rendering to perform coherent SAS imaging. Our optimization enables
us to incorporate physics-based constraints and scene priors into the image
formation process. We validate our method on simulation and experimental
results captured in both air and water. We demonstrate both quantitatively and
qualitatively that our method typically produces superior reconstructions than
existing approaches. We share code and data for reproducibility.
- Abstract（参考訳）: 合成開口ソナー(SAS)は、再構成画像の解像度を高めるために複数の視点からシーンを測定する。
sas計測をコヒーレントに結合して音響エネルギーをシーンに集中させる画像再構成法
しかし、画像形成は、通常、既存の再構成手法の能力を制限する、限られた測定値と帯域制限ハードウェアのため、制約の少ない。
これらの課題に対処するために、ニューラルレンダリングの最近の進歩を活用してコヒーレントSASイメージングを行う分析合成最適化を設計する。
この最適化により、画像形成プロセスに物理ベースの制約とシーンプリエントを組み込むことができる。
本手法は, 空気と水の両方で採取したシミュレーションと実験結果を検証した。
提案手法は,従来の手法よりも優れた再現性が得られることを定量的かつ定性的に証明する。
再現性のためのコードとデータを共有します。
関連論文リスト
- Efficient One-Step Diffusion Refinement for Snapshot Compressive Imaging [8.819370643243012]
Coded Aperture Snapshot Spectral Imaging (CASSI)は3次元マルチスペクトル画像(MSI)を撮影するための重要な技術である
現在の最先端の手法は、主にエンドツーエンドであり、高周波の詳細を再構築する際の制限に直面している。
本稿では,Snapshot Compressive Imagingのための自己教師型適応フレームワークにおいて,新しい1段階拡散確率モデルを提案する。
論文 参考訳（メタデータ） (2024-09-11T17:02:10Z) - One-step Generative Diffusion for Realistic Extreme Image Rescaling [47.89362819768323]
極端画像再スケーリングのためのワンステップイメージ再スケーリング拡散(OSIRDiff)と呼ばれる新しいフレームワークを提案する。
OSIRDiffは、事前訓練されたオートエンコーダの潜在空間で再スケーリング操作を実行する。
これは、事前訓練されたテキスト・ツー・イメージ拡散モデルによって学習された強力な自然画像の先行を効果的に活用する。
論文 参考訳（メタデータ） (2024-08-17T09:51:42Z) - FouriScale: A Frequency Perspective on Training-Free High-Resolution Image Synthesis [48.9652334528436]
本稿では、周波数領域解析の観点から、FouriScaleの革新的な学習不要アプローチを紹介する。
従来の拡散モデルの畳み込み層を,低域演算とともに拡張手法を組み込むことで置き換える。
提案手法は, 生成画像の構造的整合性と忠実度をバランスさせ, 任意のサイズ, 高解像度, 高品質な生成の驚くべき能力を実現する。
論文 参考訳（メタデータ） (2024-03-19T17:59:33Z) - Diffusion Priors for Dynamic View Synthesis from Monocular Videos [59.42406064983643]
ダイナミックノベルビュー合成は、ビデオ内の視覚的コンテンツの時間的進化を捉えることを目的としている。
まず、ビデオフレーム上に予め訓練されたRGB-D拡散モデルをカスタマイズ手法を用いて微調整する。
動的および静的なニューラルレイディアンス場を含む4次元表現に、微調整されたモデルから知識を蒸留する。
論文 参考訳（メタデータ） (2024-01-10T23:26:41Z) - Latent Diffusion Prior Enhanced Deep Unfolding for Snapshot Spectral Compressive Imaging [17.511583657111792]
スナップショット分光画像再構成は、単発2次元圧縮計測から3次元空間スペクトル像を再構成することを目的としている。
我々は, 深部展開法に先立って劣化のないモデルを生成するため, 遅延拡散モデル(LDM)という生成モデルを導入する。
論文 参考訳（メタデータ） (2023-11-24T04:55:20Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳（メタデータ） (2023-04-24T21:39:13Z) - Stable Deep MRI Reconstruction using Generative Priors [13.400444194036101]
本稿では,参照等級画像のみを生成的設定でトレーニングした,新しいディープニューラルネットワークベース正規化器を提案する。
その結果,最先端のディープラーニング手法に匹敵する競争性能が示された。
論文 参考訳（メタデータ） (2022-10-25T08:34:29Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳（メタデータ） (2022-06-17T08:11:26Z) - InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。
提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。
複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
論文 参考訳（メタデータ） (2021-12-31T11:56:01Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Learned Spectral Computed Tomography [0.0]
スペクトル光子結合型CTのためのディープラーニングイメージング法を提案する。
この方法は、ケース固有データを用いて訓練された2段階の学習された原始双対アルゴリズムの形を取る。
提案手法は, 限られたデータの場合であっても, 高速再構成機能と高速撮像性能により特徴付けられる。
論文 参考訳（メタデータ） (2020-03-09T13:39:12Z)
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。