論文の概要: DART: Implicit Doppler Tomography for Radar Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2403.03896v1
• Date: Wed, 6 Mar 2024 17:54:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-07 14:03:53.673032
• Title: DART: Implicit Doppler Tomography for Radar Novel View Synthesis
• Title（参考訳）: DART:新しいレーダー画像合成のためのインシシットドプラ・トモグラフィ
• Authors: Tianshu Huang, John Miller, Akarsh Prabhakara, Tao Jin, Tarana Laroia, Zico Kolter, Anthony Rowe
• Abstract要約: DARTは、レーダ固有の物理を用いて、レンジドップラー画像のための反射率および透過率に基づくレンダリングパイプラインを作成する、ニューラルラジアンスフィールドにインスパイアされた方法である。 最先端のベースラインと比較して、DARTはすべてのデータセットにまたがる新しいビューから優れたレーダレンジ・ドップラー画像を合成する。
• 参考スコア（独自算出の注目度）: 9.26298115522881
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simulation is an invaluable tool for radio-frequency system designers that enables rapid prototyping of various algorithms for imaging, target detection, classification, and tracking. However, simulating realistic radar scans is a challenging task that requires an accurate model of the scene, radio frequency material properties, and a corresponding radar synthesis function. Rather than specifying these models explicitly, we propose DART - Doppler Aided Radar Tomography, a Neural Radiance Field-inspired method which uses radar-specific physics to create a reflectance and transmittance-based rendering pipeline for range-Doppler images. We then evaluate DART by constructing a custom data collection platform and collecting a novel radar dataset together with accurate position and instantaneous velocity measurements from lidar-based localization. In comparison to state-of-the-art baselines, DART synthesizes superior radar range-Doppler images from novel views across all datasets and additionally can be used to generate high quality tomographic images.
• Abstract（参考訳）: シミュレーションは、撮像、ターゲット検出、分類、追跡のための様々なアルゴリズムの迅速なプロトタイピングを可能にする、高周波システム設計にとって貴重なツールである。 しかし、現実的なレーダスキャンのシミュレーションは、シーンの正確なモデル、電波の周波数特性、およびそれに対応するレーダ合成機能を必要とする課題である。 DART - Doppler Aided Radar Tomographyは、レーダ特異的物理を用いて、レンジドップラー画像のための反射率および透過率に基づくレンダリングパイプラインを生成するニューラルラジアンスフィールドインスパイアされた手法である。 そこで我々は,DARTをカスタムデータ収集プラットフォームの構築と,ライダーを用いた位置推定と瞬時速度測定とともに,新しいレーダデータセットの収集により評価する。 最先端のベースラインと比較して、dartは、すべてのデータセットにまたがる斬新なビューから優れたレーダーレンジドップラーイメージを合成し、さらに高品質のトモグラフィ画像を生成するために使用できる。

関連論文リスト

• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• 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)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• mm-Wave Radar Hand Shape Classification Using Deformable Transformers [0.46007387171990594]
  リアルタイム・ミリ波レーダを用いた静的手形分類アルゴリズムと実装を提案する。 この手法は60Ghzレーダをセンサ入力として使用し、低コストかつプライバシーに敏感なタッチレス制御技術にいくつかの応用を見出した。
  論文  参考訳（メタデータ） (2022-10-24T09:56:11Z)
• Toward Data-Driven STAP Radar [23.333816677794115]
  我々は、時空間適応処理(STAP)レーダーに対するデータ駆動アプローチを特徴付ける。 所定領域に可変強度のターゲットをランダムに配置することにより、受信レーダ信号の豊富なサンプルデータセットを生成する。 この領域内の各データサンプルに対して、ビームフォーマの出力パワーのレンジ、方位、および上昇のヒートマップテンソルを生成する。 空中に浮かぶシナリオでは、動くレーダーは、ビデオに似た、これらのタイムインデクシングされたイメージスタックのシーケンスを生成する。
  論文  参考訳（メタデータ） (2022-01-26T02:28:13Z)
• Full-Velocity Radar Returns by Radar-Camera Fusion [20.741391191916197]
  本稿では、カメラ画像からの対応する光フローを用いて、ドップラー帰還のポイントワイド全速度推定法を提案する。 また、レーダ・カメラ対応を推定するニューラルネットワークを用いて、レーダ・リターンとカメラ画像の関連性にも対処する。
  論文  参考訳（メタデータ） (2021-08-24T10:42:16Z)
• Rethinking of Radar's Role: A Camera-Radar Dataset and Systematic Annotator via Coordinate Alignment [38.24705460170415]
  CRUWと呼ばれる新しいデータセットを体系的なアノテーションとパフォーマンス評価システムで提案する。 CRUWは、レーダーの無線周波数(RF)画像から3Dのオブジェクトを純粋に分類し、ローカライズすることを目指しています。 私たちの知る限り、CRUWは体系的なアノテーションと評価システムを備えた最初の公開大規模データセットです。
  論文  参考訳（メタデータ） (2021-05-11T17:13:45Z)
• Radar Artifact Labeling Framework (RALF): Method for Plausible Radar Detections in Datasets [2.5899040911480187]
  粗いレーダ点雲のラベル付けのためのクロスセンサレーダアーチファクトラベルフレームワーク(RALF)を提案する。 RALFは、レーダーの生検出のための可視性ラベルを提供し、アーティファクトとターゲットを区別する。 半手動ラベル付き地上真理データセットの3.28cdot106$ポイントの誤差測定値を評価することにより,結果を検証する。
  論文  参考訳（メタデータ） (2020-12-03T15:11:31Z)
• LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion [52.59664614744447]
  本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。 自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
  論文  参考訳（メタデータ） (2020-10-02T00:13:00Z)
• Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
  本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。 レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。 実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
  論文  参考訳（メタデータ） (2020-09-30T19:01:33Z)
• RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
  我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。 我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。 RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
  論文  参考訳（メタデータ） (2020-07-28T17:15:02Z)

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。