論文の概要: Learning Surface Scattering Parameters From SAR Images Using
Differentiable Ray Tracing
- arxiv url: http://arxiv.org/abs/2401.01175v1
- Date: Tue, 2 Jan 2024 12:09:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 13:58:57.059056
- Title: Learning Surface Scattering Parameters From SAR Images Using
Differentiable Ray Tracing
- Title（参考訳）: 微分光追跡を用いたSAR画像からの表面散乱パラメータの学習
- Authors: Jiangtao Wei, Yixiang Luomei, Xu Zhang, Feng Xu
- Abstract要約: 本稿では,スペキュラとディフューズの両方を包括的に考慮した表面マイクロ波レンダリングモデルを提案する。
CSVBSDF表面散乱パラメータ学習のためのSAR画像に基づく微分可能レイトレーシング(DRT)エンジンを構築した。
提案手法の有効性はシミュレーションと実SAR画像との比較により検証されている。
- 参考スコア（独自算出の注目度）: 8.19502673278742
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simulating high-resolution Synthetic Aperture Radar (SAR) images in complex
scenes has consistently presented a significant research challenge. The
development of a microwave-domain surface scattering model and its
reversibility are poised to play a pivotal role in enhancing the authenticity
of SAR image simulations and facilitating the reconstruction of target
parameters. Drawing inspiration from the field of computer graphics, this paper
proposes a surface microwave rendering model that comprehensively considers
both Specular and Diffuse contributions. The model is analytically represented
by the coherent spatially varying bidirectional scattering distribution
function (CSVBSDF) based on the Kirchhoff approximation (KA) and the
perturbation method (SPM). And SAR imaging is achieved through the synergistic
combination of ray tracing and fast mapping projection techniques. Furthermore,
a differentiable ray tracing (DRT) engine based on SAR images was constructed
for CSVBSDF surface scattering parameter learning. Within this SAR image
simulation engine, the use of differentiable reverse ray tracing enables the
rapid estimation of parameter gradients from SAR images. The effectiveness of
this approach has been validated through simulations and comparisons with real
SAR images. By learning the surface scattering parameters, substantial
enhancements in SAR image simulation performance under various observation
conditions have been demonstrated.
- Abstract（参考訳）: 複雑なシーンにおける高解像度合成開口レーダ(SAR)画像のシミュレーションは、常に重要な研究課題を示している。
マイクロ波領域表面散乱モデルの開発とその可逆性は、SAR画像シミュレーションの信頼性を高め、ターゲットパラメータの再構成を容易にする上で重要な役割を果たす。
本稿では,コンピュータグラフィックスの分野からインスピレーションを得た表面マイクロ波レンダリングモデルを提案する。
モデルは、Kirchhoff近似(KA)と摂動法(SPM)に基づいて、コヒーレントな空間変化二方向散乱分布関数(CSVBSDF)によって解析的に表現される。
SARイメージングは、レイトレーシングと高速マッピング投影技術を組み合わせた相乗効果によって実現される。
さらに、CSVBSDF表面散乱パラメータ学習のために、SAR画像に基づく微分可能レイトレーシング(DRT)エンジンを構築した。
このSAR画像シミュレーションエンジンでは、微分可能な逆線トレーシングを用いることで、SAR画像からパラメータ勾配を迅速に推定することができる。
提案手法の有効性はシミュレーションと実SAR画像との比較により検証されている。
表面散乱パラメータの学習により,様々な観測条件下でのSAR画像シミュレーション性能の大幅な向上が示された。
関連論文リスト
- Empowering Snapshot Compressive Imaging: Spatial-Spectral State Space Model with Across-Scanning and Local Enhancement [51.557804095896174]
AsLE-SSMという,グローバルな局所的バランスの取れたコンテキストエンコーディングとチャネル間相互作用の促進に空間スペクトルSSMを用いる状態空間モデルを導入する。
実験の結果,ASLE-SSMは既存の最先端手法よりも優れており,推定速度はTransformerベースのMSTより2.4倍速く,パラメータの0.12(M)を節約できることがわかった。
論文 参考訳（メタデータ） (2024-08-01T15:14:10Z) - X-Fake: Juggling Utility Evaluation and Explanation of Simulated SAR Images [49.546627070454456]
実データと模擬データの分散不整合性は、シミュレーションSAR画像の有用性に影響を与える主な障害である。
本稿では,X-Fake で表されるSAR画像の擬似的な説明を初めて行うことで,信頼性の高い実用性評価フレームワークを提案する。
提案手法は、電磁モデルから得られた4つのシミュレーションSAR画像データセットと、生成人工知能アプローチに基づいて検証される。
論文 参考訳（メタデータ） (2024-07-28T09:27:53Z) - Semantic Guided Large Scale Factor Remote Sensing Image Super-resolution with Generative Diffusion Prior [13.148815217684277]
大規模因子超解像(SR)アルゴリズムは、軌道から取得した低解像度(LR)衛星データの最大化に不可欠である。
既存の手法では、鮮明なテクスチャと正しい接地オブジェクトでSR画像を復元する際の課題に直面している。
本稿では,大規模リモートセンシング画像の超解像を実現するための新しいフレームワークであるセマンティックガイド拡散モデル(SGDM)を提案する。
論文 参考訳（メタデータ） (2024-05-11T16:06:16Z) - SAR-AE-SFP: SAR Imagery Adversarial Example in Real Physics domain with
Target Scattering Feature Parameters [2.3930545422544856]
現在のSAR画像の逆例生成法は、画像逆例として知られる2次元デジタルドメインで動作する。
本稿では,SAR-AE-SFP-Attackを提案する。
実験結果から,SAR-AE-SFPアタックはCNNモデルやTransformerモデルに対する攻撃効率を大幅に向上することが示された。
論文 参考訳（メタデータ） (2024-03-02T13:52:28Z) - Reinforcement Learning for SAR View Angle Inversion with Differentiable
SAR Renderer [7.112962861847319]
本研究の目的は,合成開口レーダ(SAR)画像における目標モデルによるレーダー視角の反転である。
エージェントと環境との相互作用を容易にするために、微分可能SARレンダリング(DSR)という電磁シミュレータが組み込まれている。
論文 参考訳（メタデータ） (2024-01-02T11:47:58Z) - Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。
ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。
PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文 参考訳（メタデータ） (2023-08-31T16:26:17Z) - SAR-NeRF: Neural Radiance Fields for Synthetic Aperture Radar Multi-View
Representation [7.907504142396784]
本研究では、SARイメージング機構とニューラルネットワークを組み合わせることで、SAR画像生成のための新しいNeRFモデルを提案する。
SAR-NeRFは、ボクセルの減衰係数と散乱強度の分布を学習するために構築される。
その結果,SAR-NeRFオーグメンテーションデータセットは,数ショットの学習設定でSARターゲット分類性能を大幅に向上できることがわかった。
論文 参考訳（メタデータ） (2023-07-11T07:37:56Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳（メタデータ） (2022-06-09T14:00:26Z) - Differentiable SAR Renderer and SAR Target Reconstruction [7.840247953745616]
SARイメージング機構のマッピングと投影を再構成する微分可能SAR(DSR)を開発した。
SAR画像からの3次元逆ターゲット再構成アルゴリズムを考案した。
論文 参考訳（メタデータ） (2022-05-14T17:24:32Z) - A comparison of different atmospheric turbulence simulation methods for
image restoration [64.24948495708337]
大気の乱流は、長距離イメージングシステムによって捉えられた画像の品質を悪化させる。
深層学習に基づく大気乱流緩和法が文献で提案されている。
様々な乱流シミュレーション手法が画像復元に与える影響を系統的に評価した。
論文 参考訳（メタデータ） (2022-04-19T16:21:36Z) - 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)
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。