論文の概要: Point upsampling networks for single-photon sensing

• arxiv url: http://arxiv.org/abs/2508.12986v1
• Date: Mon, 18 Aug 2025 15:05:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:11.389388
• Title: Point upsampling networks for single-photon sensing
• Title（参考訳）: 単一光子センシングのためのポイントアップサンプリングネットワーク
• Authors: Jinyi Liu, Guoyang Zhao, Lijun Liu, Yiguang Hong, Weiping Zhang, Shuming Cheng,
• Abstract要約: 単一光子点雲における点密度を増大させ,空間歪みを低減するために,点アップサンプリングネットワークを提案する。 ネットワークは状態空間モデルに基づいて構築され,空間コンテキストを充実させるマルチパス走査機構を統合している。 一般的なデータセット上で実験を行い、その高い復元精度と歪み雑音に対する強い堅牢性を確認する。
• 参考スコア（独自算出の注目度）: 4.966091556725777
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-photon sensing has generated great interest as a prominent technique of long-distance and ultra-sensitive imaging, however, it tends to yield sparse and spatially biased point clouds, thus limiting its practical utility. In this work, we propose using point upsampling networks to increase point density and reduce spatial distortion in single-photon point cloud. Particularly, our network is built on the state space model which integrates a multi-path scanning mechanism to enrich spatial context, a bidirectional Mamba backbone to capture global geometry and local details, and an adaptive upsample shift module to correct offset-induced distortions. Extensive experiments are implemented on commonly-used datasets to confirm its high reconstruction accuracy and strong robustness to the distortion noise, and also on real-world data to demonstrate that our model is able to generate visually consistent, detail-preserving, and noise suppressed point clouds. Our work is the first to establish the upsampling framework for single-photon sensing, and hence opens a new avenue for single-photon sensing and its practical applications in the downstreaming tasks.
• Abstract（参考訳）: 単一光子センシングは長距離と超高感度イメージングの顕著な技術として大きな関心を集めているが、その実用性は狭く空間的に偏った点雲を生じる傾向にある。 本研究では, 点密度を増大させ, 単一光子点雲の空間歪みを低減するために, 点アップサンプリングネットワークを提案する。 特に,このネットワークは,空間コンテキストを充実させるマルチパス走査機構と,グローバルジオメトリと局所的詳細を捉える双方向のマンババックボーンと,オフセットによる歪みを補正するための適応的なアップサンプルシフトモジュールとを統合した状態空間モデルに基づいて構築されている。 広汎な実験は、その高い再構成精度と歪みノイズに対する強靭性を確認するために、また、実世界のデータを用いて、我々のモデルが視覚的に一貫した、ディテール保存され、ノイズ抑圧された点群を生成できることを実証するために、一般的に使用されているデータセット上で実施されている。 我々の研究は、単光子センシングのためのアップサンプリングフレームワークを初めて確立し、そのため、単光子センシングのための新しい道を開き、下流のタスクにその実践的応用を行う。

関連論文リスト

• Boosting Zero-shot Stereo Matching using Large-scale Mixed Images Sources in the Real World [8.56549004133167]
  ステレオマッチング法は、密度の高いピクセル単位の基底真理ラベルに依存している。 ラベル付きデータの不足と、合成画像と実世界の画像のドメインギャップは、注目すべき課題である。 視覚基盤モデルと大規模混合画像ソースの両方を活用する新しいフレームワーク textbfBooSTer を提案する。
  論文  参考訳（メタデータ） (2025-05-13T14:24:38Z)
• LPRnet: A self-supervised registration network for LiDAR and photogrammetric point clouds [38.42527849407057]
  LiDARとフォトグラムは、それぞれポイントクラウド取得のためのアクティブおよびパッシブリモートセンシング技術である。 感知機構、空間分布、座標系に根本的な違いがあるため、それらの点雲は密度、精度、ノイズ、重なり合いにおいて大きな違いを示す。 本稿では, マスク付きオートエンコーダをベースとした自己教師型登録ネットワークを提案し, 異種LiDARと光グラム点雲に着目した。
  論文  参考訳（メタデータ） (2025-01-10T02:36:37Z)
• PDF: Point Diffusion Implicit Function for Large-scale Scene Neural Representation [24.751481680565803]
  大規模シーンニューラル表現のためのポイント暗黙関数(PDF)を提案する。 本手法のコアは大規模クラウド超解像拡散モジュールである。 Mip-NeRF 360に基づく領域サンプリングを用いて背景表現をモデル化する。
  論文  参考訳（メタデータ） (2023-11-03T08:19:47Z)
• A ground-based dataset and a diffusion model for on-orbit low-light image enhancement [7.815138548685792]
  軌道上低光画像強調(LLIE)のためのバイドゥナビゲーション衛星のデータセットを提案する。 衝突することなく異なる方向と距離のポーズを均一にサンプリングするために、衝突のない作業空間と階層化サンプリングのポーズを提案する。 余剰露光や細部をぼかすことなく画像のコントラストを高めるために,構造と暗黒領域を強調するために,融合した注意を設計する。
  論文  参考訳（メタデータ） (2023-06-25T12:15:44Z)
• DPFNet: A Dual-branch Dilated Network with Phase-aware Fourier Convolution for Low-light Image Enhancement [1.2645663389012574]
  低照度画像の高精細化は、低照度画像から通常の露光画像を復元することを目的とした古典的なコンピュータビジョン問題である。 この分野でよく使われる畳み込みニューラルネットワークは、空間領域の低周波局所構造の特徴をサンプリングするのに長けている。 周波数位相のセマンティクスの制約の下で高品質なテクスチャの詳細を復元できるフーリエ係数を用いた新しいモジュールを提案する。
  論文  参考訳（メタデータ） (2022-09-16T13:56:09Z)
• Learning Neural Light Fields with Ray-Space Embedding Networks [51.88457861982689]
  我々は、コンパクトで、光線に沿った統合放射率を直接予測する新しいニューラル光場表現を提案する。 提案手法は,Stanford Light Field データセットのような,高密度の前方向きデータセットの最先端品質を実現する。
  論文  参考訳（メタデータ） (2021-12-02T18:59:51Z)
• Point Cloud Upsampling via Disentangled Refinement [86.3641957163818]
  3Dスキャンによって生成された点雲は、しばしばスパース、非均一、ノイズである。 近年のアップサンプリング手法は, 分布均一性と近接場を両立させながら, 密度の高い点集合を生成することを目的としている。 2つのカスケードサブネットワーク、高密度ジェネレータ、空間精錬器を定式化する。
  論文  参考訳（メタデータ） (2021-06-09T02:58:42Z)
• 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)
• SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine Reconstruction with Self-Projection Optimization [52.20602782690776]
  実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。 本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。 本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-08T14:14:09Z)
• Pseudo-LiDAR Point Cloud Interpolation Based on 3D Motion Representation and Spatial Supervision [68.35777836993212]
  我々はPseudo-LiDAR点雲ネットワークを提案し、時間的および空間的に高品質な点雲列を生成する。 点雲間のシーンフローを活用することにより,提案ネットワークは3次元空間運動関係のより正確な表現を学習することができる。
  論文  参考訳（メタデータ） (2020-06-20T03:11:04Z)

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。