論文の概要: Domain Reduction Strategy for Non Line of Sight Imaging
- arxiv url: http://arxiv.org/abs/2308.10269v1
- Date: Sun, 20 Aug 2023 14:00:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-22 16:38:49.818060
- Title: Domain Reduction Strategy for Non Line of Sight Imaging
- Title(参考訳): 非直線視覚イメージングのための領域縮小戦略
- Authors: Hyunbo Shim, In Cho, Daekyu Kwon, Seon Joo Kim
- Abstract要約: 本稿では,NLOS(Non-line-of-sight)イメージングのための新しい最適化手法を提案する。
本手法は,隠れ体積の各点から帰還する光子を独立に計算できるという観測に基づいて構築されている。
提案手法は,非平面リレー壁,スパース走査パターン,共焦点・非共焦点・表面形状再構成など,様々なNLOSシナリオにおいて有効であることを示す。
- 参考スコア(独自算出の注目度): 22.365437882740657
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a novel optimization-based method for non-line-of-sight
(NLOS) imaging that aims to reconstruct hidden scenes under various setups. Our
method is built upon the observation that photons returning from each point in
hidden volumes can be independently computed if the interactions between hidden
surfaces are trivially ignored. We model the generalized light propagation
function to accurately represent the transients as a linear combination of
these functions. Moreover, our proposed method includes a domain reduction
procedure to exclude empty areas of the hidden volumes from the set of
propagation functions, thereby improving computational efficiency of the
optimization. We demonstrate the effectiveness of the method in various NLOS
scenarios, including non-planar relay wall, sparse scanning patterns, confocal
and non-confocal, and surface geometry reconstruction. Experiments conducted on
both synthetic and real-world data clearly support the superiority and the
efficiency of the proposed method in general NLOS scenarios.
- Abstract(参考訳): 本稿では,様々な環境下で隠れたシーンを再構築することを目的とした,非線形画像(NLOS)の新たな最適化手法を提案する。
本手法は,隠れた表面間の相互作用が自明に無視される場合,隠れた体積の各点から戻る光子を独立に計算できることを示す。
一般化光伝搬関数をモデル化し、これらの関数の線形結合としてトランジェントを正確に表現する。
さらに,提案手法は,伝搬関数の集合から隠れたボリュームの空領域を除外し,最適化の計算効率を向上させるための領域縮小手順を含む。
非平面リレー壁,スパース走査パターン,共焦点および非共焦点,表面形状再構成など,様々なnlosシナリオにおいて本手法の有効性を示す。
合成データと実世界のデータの両方で行った実験は、一般的なNLOSシナリオにおける提案手法の優位性と効率性を明確に裏付けるものである。
関連論文リスト
- Distributional Reduction: Unifying Dimensionality Reduction and
Clustering with Gromov-Wasserstein Projection [50.51460159104604]
教師なし学習は、潜在的に大きな高次元データセットの基盤構造を捉えることを目的としている。
伝統的に、これは次元還元法を用いて解釈可能な空間にデータを投影したり、意味のあるクラスタにポイントを整理する。
私たちは新しい視点 – 流通の視点 – を提供しています。
我々はクラスタリングと次元還元を分散還元と呼ばれる単一のフレームワークに統合する。
論文 参考訳(メタデータ) (2024-02-03T19:00:19Z) - A Metaheuristic for Amortized Search in High-Dimensional Parameter
Spaces [0.0]
本稿では,特徴インフォームド変換から次元還元を実現するメタヒューリスティックを提案する。
DR-FFITは、高次元空間における勾配自由パラメータ探索を容易にする効率的なサンプリング戦略を実装している。
実験データから,DR-FFITは,確立したメタヒューリスティックスに対するランダム検索とシミュレート・アニーリングの性能を向上させることが示された。
論文 参考訳(メタデータ) (2023-09-28T14:25:14Z) - Self-Calibrating, Fully Differentiable NLOS Inverse Rendering [15.624750787186803]
NLOS(Time-resolved Non-line-of-Sight)イメージングは、可視光線面で測定された間接照明の光路を反転させることで、隠れたシーンを再構成する。
隠れたシーンの再構成において、画像パラメータを自己校正する完全微分可能なNLOS逆レンダリングパイプラインを導入する。
本手法のロバスト性は, 高い騒音レベル下であっても, 幾何とアルベドを一貫して再構成するものである。
論文 参考訳(メタデータ) (2023-09-21T13:15:54Z) - Anti-Aliased Neural Implicit Surfaces with Encoding Level of Detail [54.03399077258403]
本稿では,高頻度幾何細部リカバリとアンチエイリアス化された新しいビューレンダリングのための効率的なニューラル表現であるLoD-NeuSを提案する。
我々の表現は、光線に沿った円錐状のフラストラム内の多面体化から空間特徴を集約する。
論文 参考訳(メタデータ) (2023-09-19T05:44:00Z) - LoLep: Single-View View Synthesis with Locally-Learned Planes and
Self-Attention Occlusion Inference [66.45326873274908]
本稿では,1枚のRGB画像から局所学習平面を回帰してシーンを正確に表現するLoLepを提案する。
MINEと比較して、LPIPSは4.8%-9.0%、RVは73.9%-83.5%である。
論文 参考訳(メタデータ) (2023-07-23T03:38:55Z) - Enhancing Surface Neural Implicits with Curvature-Guided Sampling and
Uncertainty-Augmented Representations [40.885487788615855]
本研究では,入力の幾何学的特性を考慮したサンプリング手法を用いて,不確実性を増大させた表面暗示表現を用いたサンプリング手法を提案する。
提案手法は, 合成データと実世界のデータの両方において, 最先端の再構築につながることを示す。
論文 参考訳(メタデータ) (2023-06-03T12:23:17Z) - Laplacian-based Cluster-Contractive t-SNE for High Dimensional Data
Visualization [20.43471678277403]
本稿では t-SNE に基づく新しいグラフベース次元削減手法 LaptSNE を提案する。
具体的には、LaptSNEはグラフラプラシアンの固有値情報を利用して、低次元埋め込みにおけるポテンシャルクラスタを縮小する。
ラプラシアン合成目的による最適化を考える際には、より広い関心を持つであろう勾配を解析的に計算する方法を示す。
論文 参考訳(メタデータ) (2022-07-25T14:10:24Z) - Parametric Level-sets Enhanced To Improve Reconstruction (PaLEnTIR) [0.0]
本稿では,PaLEnTIR(PalenTIR)について紹介する。
キーとなるコントリビューションは、単一のレベルセット関数を利用して、複数コントラストのピースワイズ・コンスタントなオブジェクトを含むシーンを復元する独自の PaLS の定式化である。
論文 参考訳(メタデータ) (2022-04-21T00:03:44Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳(メタデータ) (2021-03-24T08:16:32Z) - 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) - Discrete Action On-Policy Learning with Action-Value Critic [72.20609919995086]
離散的な行動空間における強化学習(RL)は、実世界の応用では至るところで行われているが、その複雑さは行動空間次元とともに指数関数的に増大する。
我々は,行動値関数を推定し,相関行動に適用し,これらの評価値を組み合わせて勾配推定の分散を制御する。
これらの取り組みにより、分散制御技術に頼って、関連するRLアルゴリズムを実証的に上回る、新たな離散的なRLアルゴリズムが実現される。
論文 参考訳(メタデータ) (2020-02-10T04:23:09Z)
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。