論文の概要: Single View Refractive Index Tomography with Neural Fields
- arxiv url: http://arxiv.org/abs/2309.04437v2
- Date: Fri, 1 Dec 2023 21:33:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-06 19:31:33.013893
- 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, 屈折体全体に散在する光源の事前知識を活用し, 単視点屈折率トモグラフィー問題の曖昧化を支援する手法を提案する。
提案手法の有効性を, 模擬屈折場を再構成し, 光源分布が回復場に与える影響を解析し, 模擬暗黒物質マッピング問題に対する本手法の有効性を検証した。
- 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 the inverse problem of reconstructing the
continuously-varying 3D refractive index in a scene using 2D projected image
measurements. Although a purely refractive field is not directly visible, it
bends light rays as they travel through space, thus providing a signal for
reconstruction. The effects of such fields appear in many scientific computer
vision settings, ranging from refraction due to transparent cells in microscopy
to the lensing of distant galaxies caused by dark matter in astrophysics.
Reconstructing these fields is particularly difficult due to the complex
nonlinear effects of the refractive field on observed images. Furthermore,
while standard 3D reconstruction and tomography settings typically have access
to observations of the scene from many viewpoints, many refractive index
tomography problem settings only have access to images observed from a single
viewpoint. We introduce a method that leverages prior knowledge of light
sources scattered throughout the refractive medium to help disambiguate the
single-view refractive index tomography problem. We differentiably trace curved
rays through a neural field representation of the refractive field, and
optimize its parameters to best reproduce the observed image. We demonstrate
the efficacy of our approach by reconstructing simulated refractive fields,
analyze the effects of light source distribution on the recovered field, and
test our method on a simulated dark matter mapping problem where we
successfully recover the 3D refractive field caused by a realistic dark matter
distribution.
- Abstract（参考訳）: 屈折率トモグラフィー(refractive index tomography)は、2次元投影画像計測を用いて連続的に変化する3次元屈折率を再現する逆問題である。
純粋な屈折場は直接は見えないが、空間を移動すると光線が曲がり、再構成のための信号となる。
このようなフィールドの効果は、顕微鏡の透明な細胞による屈折から、天体物理学における暗黒物質による遠方の銀河のレンズ化まで、多くの科学的コンピュータビジョン設定に現れる。
これらのフィールドの再構成は、観測画像に対する屈折場による複雑な非線形効果のため、特に困難である。
さらに、標準的な3D再構成とトモグラフィーの設定は、通常、多くの視点からシーンの観察にアクセスできるが、多くの屈折率トモグラフィー問題設定は、単一の視点からしか観察できない。
本稿では, 屈折体全体に散在する光源の事前知識を活用し, 単視点屈折率トモグラフィー問題の曖昧化を支援する手法を提案する。
我々は、屈折率場の神経場表現を通して曲線線を微分可能追跡し、そのパラメータを最適化し、観測した画像を最適に再現する。
本手法は, 再現された屈折率場を再構成し, 光源分布が回収されたフィールドに与える影響を解析し, リアルな暗黒物質分布に起因する3次元屈折率を回復するシミュレーションダークマターマッピング問題に対して, 提案手法の有効性を実証する。
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。