論文の概要: NeRF-enabled Analysis-Through-Synthesis for ISAR Imaging of Small Everyday Objects with Sparse and Noisy UWB Radar Data
- arxiv url: http://arxiv.org/abs/2410.10085v1
- Date: Mon, 14 Oct 2024 01:57:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 03:14:03.568599
- Title: NeRF-enabled Analysis-Through-Synthesis for ISAR Imaging of Small Everyday Objects with Sparse and Noisy UWB Radar Data
- Title（参考訳）: 短波・雑音UWBレーダデータを用いた日中小物体のISARイメージングのためのNeRF対応分析スルー合成
- Authors: Md Farhan Tasnim Oshim, Albert Reed, Suren Jayasuriya, Tauhidur Rahman,
- Abstract要約: Inverse Synthetic Aperture Radar (ISAR)イメージングは、小さな日常の物体に関しては、非常に難しい課題である。
バックプロジェクション(BP)を含む既存のISAR再構築手法は、複雑なセットアップと制御された環境を必要とすることが多い。
小型物体の高分解能コヒーレントISARイメージングのための解析スルー合成(ATS)フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.2053758046072254
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Inverse Synthetic Aperture Radar (ISAR) imaging presents a formidable challenge when it comes to small everyday objects due to their limited Radar Cross-Section (RCS) and the inherent resolution constraints of radar systems. Existing ISAR reconstruction methods including backprojection (BP) often require complex setups and controlled environments, rendering them impractical for many real-world noisy scenarios. In this paper, we propose a novel Analysis-through-Synthesis (ATS) framework enabled by Neural Radiance Fields (NeRF) for high-resolution coherent ISAR imaging of small objects using sparse and noisy Ultra-Wideband (UWB) radar data with an inexpensive and portable setup. Our end-to-end framework integrates ultra-wideband radar wave propagation, reflection characteristics, and scene priors, enabling efficient 2D scene reconstruction without the need for costly anechoic chambers or complex measurement test beds. With qualitative and quantitative comparisons, we demonstrate that the proposed method outperforms traditional techniques and generates ISAR images of complex scenes with multiple targets and complex structures in Non-Line-of-Sight (NLOS) and noisy scenarios, particularly with limited number of views and sparse UWB radar scans. This work represents a significant step towards practical, cost-effective ISAR imaging of small everyday objects, with broad implications for robotics and mobile sensing applications.
- Abstract（参考訳）: Inverse Synthetic Aperture Radar (ISAR) イメージングは、レーダー・クロス・セクション(RCS)とレーダー・システム固有の解像度制約のために、小さな日常的な物体に関して非常に難しい課題となる。
バックプロジェクション(BP)を含む既存のISAR再構成手法は複雑なセットアップと制御された環境を必要とすることが多く、現実の雑音のシナリオでは現実的ではない。
本稿では,ニューラルレージアンス・フィールド(NeRF)で実現した新しい解析-スルー-シンセシス(ATS)フレームワークを提案する。
我々のエンドツーエンドのフレームワークは、超広帯域レーダ波伝搬、反射特性、シーン先行を統合し、コストのかかる無響室や複雑な測定試験ベッドを必要とせずに、2次元シーンの効率的な再構築を可能にする。
定性的かつ定量的な比較により,提案手法は従来の手法より優れており,NLOS(Non-Line-of-Sight)やノイズの多いシナリオ,特に限られたビュー数とスパースUWBレーダスキャンにおいて,複数のターゲットと複雑な構造を持つ複雑なシーンのISAR画像を生成することを示した。
この研究は、ロボット工学やモバイルセンシングアプリケーションに幅広い影響を及ぼす小さな日常物体の実用的で費用対効果の高いISARイメージングに向けた重要な一歩である。
関連論文リスト
- Active Reconfigurable Intelligent Surface Empowered Synthetic Aperture Radar Imaging [18.482494583284627]
SAR(Synthetic Aperture Radar)は、レーダーアンテナの特定の領域への移動を利用して高分解能撮像を実現する。
提案するARIS搭載SARシステムの撮像結果を得るために,レンジドップラー (RD) イメージングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-18T06:33:11Z) - Electrooptical Image Synthesis from SAR Imagery Using Generative Adversarial Networks [0.0]
本研究は,SAR画像とEO画像のギャップを埋めることでリモートセンシングの分野に寄与する。
その結果,解釈可能性が大きく向上し,EO画像に精通したアナリストがSARデータにアクセスしやすくなった。
本研究は,SAR画像とEO画像のギャップを埋めることでリモートセンシングの分野に寄与し,データ解釈を向上するための新しいツールを提供する。
論文 参考訳（メタデータ） (2024-09-07T14:31:46Z) - 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) - DART: Implicit Doppler Tomography for Radar Novel View Synthesis [9.26298115522881]
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。
論文 参考訳（メタデータ） (2024-03-06T17:54:50Z) - Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry
from Sparse Low Dynamic Range Panoramic Images [82.1477261107279]
そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。
実験により、照射場は幾何復元とHDR再構成の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-12-26T08:10:22Z) - 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) - Realistic Noise Synthesis with Diffusion Models [68.48859665320828]
Deep Image Denoisingモデルは、しばしば高品質なパフォーマンスのために大量のトレーニングデータに依存します。
本稿では,拡散モデル,すなわちRealistic Noise Synthesize Diffusor(RNSD)を用いて現実的な雑音を合成する新しい手法を提案する。
RNSDは、より現実的なノイズや空間的相関を複数の周波数で生成できるような、ガイド付きマルチスケールコンテンツを組み込むことができる。
論文 参考訳（メタデータ） (2023-05-23T12:56:01Z) - Efficient CNN-based Super Resolution Algorithms for mmWave Mobile Radar
Imaging [2.3623206450285457]
近距離場合成開口レーダ(SAR)イメージングの新興モードに対する革新的な超解像手法を提案する。
近年の研究では、畳み込みニューラルネットワーク(CNN)アーキテクチャを拡張して、レーダシグナリングから生成された画像の超高解像度化を実現している。
我々は,最新のSAR処理とディープラーニング技術を用いて,モバイルアプリケーションにおけるSAR画像の超解像を実現する新しいCNNアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-05-03T12:54:28Z) - A Vision Transformer Approach for Efficient Near-Field Irregular SAR
Super-Resolution [0.0]
本研究では、位置推定誤差に対処し、不規則なサンプリング測位の下でSAR画像超解像(SR)を行うモバイルフレンドビジョントランスフォーマー(ViT)アーキテクチャを提案する。
提案アルゴリズムであるMobile-SRViTは,SAR画像強調にViTを用いた最初の手法であり,シミュレーションおよび実証実験によって検証されている。
論文 参考訳（メタデータ） (2023-05-03T12:25:01Z) - CLONeR: Camera-Lidar Fusion for Occupancy Grid-aided Neural
Representations [77.90883737693325]
本稿では,スパース入力センサビューから観測される大規模な屋外運転シーンをモデル化することで,NeRFを大幅に改善するCLONeRを提案する。
これは、NeRFフレームワーク内の占有率と色学習を、それぞれLiDARとカメラデータを用いてトレーニングされた個別のMulti-Layer Perceptron(MLP)に分離することで実現される。
さらに,NeRFモデルと平行に3D Occupancy Grid Maps(OGM)を構築する手法を提案し,この占有グリッドを利用して距離空間のレンダリングのために線に沿った点のサンプリングを改善する。
論文 参考訳（メタデータ） (2022-09-02T17:44:50Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z)
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。