論文の概要: Simulating Dual-Pixel Images From Ray Tracing For Depth Estimation

• arxiv url: http://arxiv.org/abs/2503.11213v1
• Date: Fri, 14 Mar 2025 09:03:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-17 13:06:03.577988
• Title: Simulating Dual-Pixel Images From Ray Tracing For Depth Estimation
• Title（参考訳）: 深度推定のためのレイトレーシングによるデュアルカメラ画像のシミュレーション
• Authors: Fengchen He, Dayang Zhao, Hao Xu, Tingwei Quan, Shaoqun Zeng,
• Abstract要約: シミュレーションされたDPデータと実DPデータの領域ギャップについて検討し、レイトレーシング方式によるDP画像のシミュレーション手法を提案する。 SdirtスキームはレイトレーシングによりリアルなDP画像を生成し、それらを深度推定訓練パイプラインに統合する。 実験結果から,Sdirt-simulated image を用いて訓練したモデルは実DPデータより一般化された。
• 参考スコア（独自算出の注目度）: 5.605804656420194
• License:
• Abstract: Many studies utilize dual-pixel (DP) sensor phase characteristics for various applications, such as depth estimation and deblurring. However, since the DP image features are entirely determined by the camera hardware, DP-depth paired datasets are very scarce, especially when performing depth estimation on customized cameras. To overcome this, studies simulate DP images using ideal optical system models. However, these simulations often violate real optical propagation laws,leading to poor generalization to real DP data. To address this, we investigate the domain gap between simulated and real DP data, and propose solutions using the Simulating DP images from ray tracing (Sdirt) scheme. The Sdirt generates realistic DP images via ray tracing and integrates them into the depth estimation training pipeline. Experimental results show that models trained with Sdirt-simulated images generalize better to real DP data.
• Abstract（参考訳）: 多くの研究は、深度推定やデブロアリングなど、様々な用途にデュアルピクセル(DP)センサー位相特性を利用する。 しかし、DP画像の特徴はカメラハードウェアによって完全に決定されるため、特にカスタマイズされたカメラで深度推定を行う場合、DP-deepthペアデータセットは非常に少ない。 これを解決するために、理想的な光学系モデルを用いてDP画像をシミュレートする。 しかし、これらのシミュレーションはしばしば実際の光伝搬法則に反し、実際のDPデータへの一般化が不十分である。 そこで本研究では,シミュレーションと実DPデータ間の領域ギャップについて検討し,レイトレーシング(Sdirt)方式によるDP画像のシミュレーション手法を提案する。 SdirtはレイトレーシングによりリアルなDP画像を生成し、それらを深さ推定訓練パイプラインに統合する。 実験結果から,Sdirt-simulated image を用いて訓練したモデルは実DPデータより一般化された。

関連論文リスト

• GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
  スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。 我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。 いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら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） (2024-11-18T08:18:44Z)
• bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
  疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。 本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2024-10-30T17:30:35Z)
• Let's Roll: Synthetic Dataset Analysis for Pedestrian Detection Across Different Shutter Types [7.0441427250832644]
  本稿では,機械学習(ML)オブジェクト検出モデルに異なるシャッター機構が与える影響について検討する。 特に、合成合成されたGSとRSのデータセットを用いて、主流検出モデルを訓練し、評価する。
  論文  参考訳（メタデータ） (2023-09-15T04:07:42Z)
• Learning to Simulate Realistic LiDARs [66.7519667383175]
  リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。 本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。 我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
  論文  参考訳（メタデータ） (2022-09-22T13:12:54Z)
• DeepRM: Deep Recurrent Matching for 6D Pose Refinement [77.34726150561087]
  DeepRMは、6Dポーズ改善のための新しいリカレントネットワークアーキテクチャである。 アーキテクチャにはLSTMユニットが組み込まれ、各改善ステップを通じて情報を伝達する。 DeepRMは、2つの広く受け入れられている課題データセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-05-28T16:18:08Z)
• Facial Depth and Normal Estimation using Single Dual-Pixel Camera [81.02680586859105]
  DP指向のDepth/Normalネットワークを導入し,3次元顔形状を再構成する。 これは、メートル法スケールでの深度マップと表面正規を含む、対応する地上3次元モデルを含んでいる。 近年のDPベース深度/正規推定法で最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-11-25T05:59:27Z)
• Physics-based Differentiable Depth Sensor Simulation [5.134435281973137]
  リアルな2.5Dスキャンを生成するための新しいエンドツーエンドの微分可能なシミュレーションパイプラインを紹介します。 各モジュールはw.r.tセンサーとシーンパラメータを区別できる。 シミュレーションにより,実スキャンで得られたモデルの性能が大幅に向上する。
  論文  参考訳（メタデータ） (2021-03-30T17:59:43Z)
• Learning to Reduce Defocus Blur by Realistically Modeling Dual-Pixel Data [42.06108142009718]
  最近の研究は、現代のデュアルピクセル(DP)センサーで利用可能な2画像ビューを用いて、データ駆動型デブロアリングに関する印象的な結果を示している。 多くのカメラがDPセンサーを搭載しているが、低レベルのDPセンサー画像へのアクセスは限られた数に限られている。 本稿では,リアルDPデータを合成的に生成する手法を提案する。
  論文  参考訳（メタデータ） (2020-12-06T13:12:43Z)
• Dual Pixel Exploration: Simultaneous Depth Estimation and Image Restoration [77.1056200937214]
  本研究では,ぼかしと深度情報をリンクするDPペアの形成について検討する。 本稿では,画像の深さを共同で推定し,復元するためのエンドツーエンドDDDNet(DPベースのDepth and De Network)を提案する。
  論文  参考訳（メタデータ） (2020-12-01T06:53:57Z)

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。