論文の概要: Non-line-of-sight imaging in the presence of scattering media using
phasor fields
- arxiv url: http://arxiv.org/abs/2311.09223v1
- Date: Fri, 25 Aug 2023 13:05:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 16:07:48.356922
- Title: Non-line-of-sight imaging in the presence of scattering media using
phasor fields
- Title(参考訳): ファサー磁場を用いた散乱媒質存在下での非視線イメージング
- Authors: Pablo Luesia, Miguel Crespo, Adrian Jarabo, and Albert Redo-Sanchez
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.7999703756441756
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Non-line-of-sight (NLOS) imaging aims to reconstruct partially or completely
occluded scenes. Recent approaches have demonstrated high-quality
reconstructions of complex scenes with arbitrary reflectance, occlusions, and
significant multi-path effects. However, previous works focused on surface
scattering only, which reduces the generality in more challenging scenarios
such as scenes submerged in scattering media. In this work, we investigate
current state-of-the-art NLOS imaging methods based on phasor fields to
reconstruct scenes submerged in scattering media. We empirically analyze the
capability of phasor fields in reconstructing complex synthetic scenes
submerged in thick scattering media. We also apply the method to real scenes,
showing that it performs similarly to recent diffuse optical tomography
methods.
- Abstract(参考訳): 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。
近年のアプローチでは、任意の反射、咬合、有意なマルチパス効果を伴う複雑なシーンの高品質な再構成が示されている。
しかし、以前の作品は表面散乱のみに焦点を当てており、散乱媒体に沈み込むシーンのようなより困難なシナリオで一般性が低下する。
本研究では,散乱媒質中に沈み込んだシーンを再構成するためのファザーフィールドに基づくnlosイメージング手法について検討する。
厚い散乱媒体に浸漬した複雑な合成シーンの再構成におけるファザーフィールドの能力について実験的に解析した。
また,本手法を実シーンに適用し,近年の拡散光トモグラフィ法と同様の性能を示す。
関連論文リスト
- Neural Spline Fields for Burst Image Fusion and Layer Separation [40.9442467471977]
ニューラルスプライン場を用いた2層α合成画像とフローモデルを用いた多目的中間表現を提案する。
提案手法では, バースト画像を高分解能な再構成に融合し, 透過層と閉塞層に分解することができる。
後処理のステップや事前学習がないため、当社の一般化可能なモデルは、既存の専用イメージやマルチビューの障害物除去アプローチよりも優れています。
論文 参考訳(メタデータ) (2023-12-21T18:54:19Z) - 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) - TraM-NeRF: Tracing Mirror and Near-Perfect Specular Reflections through
Neural Radiance Fields [3.061835990893184]
NeRF(Neural Radiance Fields)のような暗黙の表現は、複雑なシーンを細かな詳細でレンダリングするための印象的な結果を示した。
本研究では,NeRF内部のボリュームレンダリングに適した新しいリフレクショントレーシング手法を提案する。
少数の試料から,光線による重要サンプリングと透過率計算の効率的な手法を導出した。
論文 参考訳(メタデータ) (2023-10-16T17:59:56Z) - Diffusion Posterior Illumination for Ambiguity-aware Inverse Rendering [63.24476194987721]
画像からシーン特性を推定する逆レンダリングは、困難な逆問題である。
既存のソリューションの多くは、プリエントを逆レンダリングパイプラインに組み込んで、プラウシブルなソリューションを奨励している。
本稿では,自然照明マップ上で事前学習した確率拡散モデルを最適化フレームワークに統合する手法を提案する。
論文 参考訳(メタデータ) (2023-09-30T12:39:28Z) - Single View Refractive Index Tomography with Neural Fields [16.578244661163513]
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。
論文 参考訳(メタデータ) (2023-09-08T17:01:34Z) - Under-Display Camera Image Restoration with Scattering Effect [17.55639152160472]
アンダーディスプレイカメラ(UDC)は、ノッチやパンチされた穴によって邪魔されることなく、フルスクリーンのビジュアル体験を提供する。
本稿では,表示による散乱効果の具体的な考察により,UDC画像復元問題に対処する。
我々は、ディスプレイを均質散乱媒体として扱うことにより、散乱効果を明示的にモデル化する。
論文 参考訳(メタデータ) (2023-08-08T09:50:44Z) - 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) - Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。
提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。
我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
論文 参考訳(メタデータ) (2021-08-18T17:57:02Z) - Learning to See Through Obstructions with Layered Decomposition [117.77024641706451]
移動画像から不要な障害を取り除くための学習に基づくアプローチを提案する。
本手法は背景要素と閉塞要素の運動差を利用して両方の層を復元する。
本研究では,合成データから得られた提案手法が実画像に対して良好に動作することを示す。
論文 参考訳(メタデータ) (2020-08-11T17:59:31Z) - Learning to See Through Obstructions [117.77024641706451]
本稿では,移動カメラで撮影した短い画像列から不要な障害物を除去するための学習に基づくアプローチを提案する。
本手法は背景要素と障害物要素の運動差を利用して両方の層を復元する。
合成データ転送のトレーニングは実画像に対して良好であることを示す。
論文 参考訳(メタデータ) (2020-04-02T17:59:12Z)
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。