論文の概要: Single View Refractive Index Tomography with Neural Fields
- arxiv url: http://arxiv.org/abs/2309.04437v1
- Date: Fri, 8 Sep 2023 17:01:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-11 12:54:59.632897
- Title: Single View Refractive Index Tomography with Neural Fields
- Title（参考訳）: ニューラルネットワークを用いたsingle view refractive index tomography
- Authors: Brandon Zhao, Aviad Levis, Liam Connor, Pratul P. Srinivasan,
Katherine L. Bouman
- Abstract要約: 本稿では,座標に基づくニューラルネットワークを用いてシーン内の連続屈折場をモデル化する手法を提案する。
次に、このネットワークのパラメータを最適化するために、光線による3次元空間曲率の明示的なモデリングを用い、解析バイシンセシス法を用いて屈折場を再構成する。
- 参考スコア（独自算出の注目度）: 16.578244661163513
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Refractive Index Tomography is an inverse problem in which we seek to
reconstruct a scene's 3D refractive field from 2D projected image measurements.
The refractive field is not visible itself, but instead affects how the path of
a light ray is continuously curved as it travels through space. Refractive
fields appear across a wide variety of scientific applications, from
translucent cell samples in microscopy to fields of dark matter bending light
from faraway galaxies. This problem poses a unique challenge because the
refractive field directly affects the path that light takes, making its
recovery a non-linear problem. In addition, in contrast with traditional
tomography, we seek to recover the refractive field using a projected image
from only a single viewpoint by leveraging knowledge of light sources scattered
throughout the medium. In this work, we introduce a method that uses a
coordinate-based neural network to model the underlying continuous refractive
field in a scene. We then use explicit modeling of rays' 3D spatial curvature
to optimize the parameters of this network, reconstructing refractive fields
with an analysis-by-synthesis approach. The efficacy of our approach is
demonstrated by recovering refractive fields in simulation, and analyzing how
recovery is affected by the light source distribution. We then test our method
on a simulated dark matter mapping problem, where we recover the refractive
field underlying a realistic simulated dark matter distribution.
- Abstract（参考訳）: 屈折率トモグラフィ(refractive index tomography)は、2次元投影画像計測からシーンの3次元屈折率を再構成する逆問題である。
屈折磁場はそれ自体は見えず、代わりに、宇宙を移動する光線の経路が連続的に曲がっているかに影響する。
屈折場は、顕微鏡中の半透明の細胞サンプルから遠くの銀河からの光を曲げるダークマターのフィールドまで、様々な科学的応用に現れる。
この問題は、屈折場が光が取る経路に直接影響し、回復が非線形問題となるため、ユニークな課題となる。
また,従来のトモグラフィーとは対照的に,媒質中に散在する光源の知識を生かして,単一の視点から投影像を用いて屈折率の回復を図る。
本研究では,シーン内の連続屈折場をモデル化するために,座標ベースニューラルネットワークを用いた手法を提案する。
次に,raysの3次元空間曲率の明示的モデリングを用いて,このネットワークのパラメータを最適化し,解析・合成による屈折場を再構成する。
本手法の有効性は, シミュレーションにおける屈折率の回復と, 光源分布の影響を解析することにより実証された。
そこで,本手法を模擬ダークマターマッピング問題に適用し,現実的なダークマター分布の根底にある屈折場を復元する。
関連論文リスト
- NeRSP: Neural 3D Reconstruction for Reflective Objects with Sparse Polarized Images [62.752710734332894]
NeRSPはスパース偏光画像を用いた反射面のニューラル3次元再構成技術である。
偏光画像形成モデルと多視点方位整合性から測光的および幾何学的手がかりを導出する。
我々は6つのビューのみを入力として、最先端の表面再構成結果を達成する。
論文 参考訳（メタデータ） (2024-06-11T09:53:18Z) - NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。
本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
論文 参考訳（メタデータ） (2023-11-22T06:28:30Z) - Non-line-of-sight imaging in the presence of scattering media using
phasor fields [0.7999703756441756]
非視線画像(NLOS)は、部分的にあるいは完全に閉鎖されたシーンを再構成することを目的としている。
散乱媒質に浸漬されたシーンを再構成するために, ファサー磁場に基づく最先端NLOSイメージング手法について検討した。
論文 参考訳（メタデータ） (2023-08-25T13:05:36Z) - Towards Monocular Shape from Refraction [23.60349429048409]
我々はスネルの法則に基づく単純なエネルギー関数が任意の屈折曲面幾何の再構成を可能にすることを示す。
曲面全体の解法は暗黙的なパラメータフリー空間正規化を同時に導入することを示す。
論文 参考訳（メタデータ） (2023-05-31T11:09:37Z) - Sampling Neural Radiance Fields for Refractive Objects [8.539183778516795]
この研究では、シーンは片方向の屈折率を持つ異質の体積であり、異なる屈折率を交差させると経路が湾曲する。
屈折物体の新規なビュー合成を目的として, 屈折物体シルエットを用いた多視点画像から, 境界体積および境界領域の放射界を最適化することを目的とした。
屈折率を考慮し,NeRFにおける層状および階層的サンプリング手法を拡張し,アイコン方程式で追跡された曲線に沿って試料を描画できるようにする。
論文 参考訳（メタデータ） (2022-11-27T11:43:21Z) - Edge-preserving Near-light Photometric Stereo with Neural Surfaces [76.50065919656575]
近光光度ステレオで解析的に微分可能なニューラルサーフェスを導入し、シャープ深度エッジでの微分誤差を回避する。
合成シーンと実世界のシーンの両方で実験を行い, エッジ保存による詳細な形状復元法の有効性を実証した。
論文 参考訳（メタデータ） (2022-07-11T04:51:43Z) - Solving Inverse Problems with NerfGANs [88.24518907451868]
我々は、NeRF型生成モデルを用いて、逆問題を解決するための新しいフレームワークを提案する。
遅延空間を鼻で最適化することは、アーティファクトや、新しいビューレンダリングに繋がることを示す。
本研究では,より優れた3次元表面を得るための新しい放射場正規化手法を提案する。
論文 参考訳（メタデータ） (2021-12-16T17:56:58Z) - Light Field Networks: Neural Scene Representations with
Single-Evaluation Rendering [60.02806355570514]
2次元観察から3Dシーンの表現を推定することは、コンピュータグラフィックス、コンピュータビジョン、人工知能の基本的な問題である。
そこで我々は,360度4次元光場における基礎となる3次元シーンの形状と外観の両面を表現した新しいニューラルシーン表現,光場ネットワーク(LFN)を提案する。
LFNからレイをレンダリングするには*single*ネットワークの評価しか必要としない。
論文 参考訳（メタデータ） (2021-06-04T17:54:49Z) - Unsupervised Missing Cone Deep Learning in Optical Diffraction
Tomography [25.18730153421617]
本稿では,最適なトランスポート駆動型サイクガンによる投影ビューの確率分布を学習する,教師なし深層学習フレームワークを提案する。
実験結果から, 提案手法により, ODT中のコーンアーティファクトの欠落が有意に解決できることが示された。
論文 参考訳（メタデータ） (2021-03-16T12:41:33Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z)
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。