論文の概要: RIS-Assisted 3D Spherical Splatting for Object Composition Visualization using Detection Transformers
- arxiv url: http://arxiv.org/abs/2511.02573v2
- Date: Wed, 05 Nov 2025 07:03:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-06 13:56:26.193884
- Title: RIS-Assisted 3D Spherical Splatting for Object Composition Visualization using Detection Transformers
- Title（参考訳）: RIS支援3次元球面平滑化による物体組成の可視化
- Authors: Anastasios T. Sotiropoulos, Stavros Tsimpoukis, Dimitrios Tyrovolas, Sotiris Ioannidis, Panagiotis D. Diamantoulakis, George K. Karagiannidis, Christos K. Liaskos,
- Abstract要約: 本研究では,物質対応球面プリミティブを用いた3次元物体再構成のためのPWE駆動RFフレームワークを提案する。
結果は、フレームワークがオブジェクトのジオメトリを近似し、材料組成を79.35%の精度で分類する能力を確認した。
- 参考スコア（独自算出の注目度）: 25.84331932738724
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The pursuit of immersive and structurally aware multimedia experiences has intensified interest in sensing modalities that reconstruct objects beyond the limits of visible light. Conventional optical pipelines degrade under occlusion or low illumination, motivating the use of radio-frequency (RF) sensing, whose electromagnetic waves penetrate materials and encode both geometric and compositional information. Yet, uncontrolled multipath propagation restricts reconstruction accuracy. Recent advances in Programmable Wireless Environments (PWEs) mitigate this limitation by enabling software-defined manipulation of propagation through Reconfigurable Intelligent Surfaces (RISs), thereby providing controllable illumination diversity. Building on this capability, this work introduces a PWE-driven RF framework for three-dimensional object reconstruction using material-aware spherical primitives. The proposed approach combines RIS-enabled field synthesis with a Detection Transformer (DETR) that infers spatial and material parameters directly from extracted RF features. Simulation results confirm the framework's ability to approximate object geometries and classify material composition with an overall accuracy of 79.35%, marking an initial step toward programmable and physically grounded RF-based 3D object composition visualization.
- Abstract（参考訳）: 没入的かつ構造的に認識されたマルチメディア体験の追求は、可視光の限界を超えてオブジェクトを再構成するモダリティの知覚への関心を強めた。
従来の光学パイプラインは、閉塞または低照明下で劣化し、電磁波が材料を貫通し、幾何学的および構成的な情報をエンコードする高周波(RF)センサーの使用を動機付けている。
しかし、制御不能なマルチパス伝搬は再構成精度を制限する。
近年のPWE(Programmable Wireless Environments)の進歩は、再構成可能なインテリジェントサーフェス(RIS)による伝搬のソフトウェア定義操作を可能にし、制御可能な照明の多様性を提供することによって、この制限を緩和している。
本研究は, 物質対応球面プリミティブを用いた3次元物体再構成のためのPWE駆動RFフレームワークを提案する。
提案手法は、RIS対応フィールド合成と、抽出されたRF特徴から直接空間パラメータと材料パラメータを推測する検出変換器(DETR)を組み合わせる。
シミュレーションの結果、フレームワークがオブジェクトのジオメトリを近似し、全体の精度79.35%の材料組成を分類する能力を確認し、プログラム可能で物理的に接地されたRFベースの3Dオブジェクト合成の可視化に向けた最初のステップを示す。
関連論文リスト
- Physics-Informed Neural Networks for MIMO Beam Map and Environment Reconstruction [67.65578956523403]
ネットワークインテリジェンスを用いて物理層計測をブリッジするための重要な手法として,チャネル状態情報(CSI)からの幾何学的特徴抽出が出現する。
本稿では, 受信信号強度(RSS)データを3次元環境知識なしで探索し, 放射光マップと環境幾何学を共同構築することを提案する。
反射領域に基づく幾何モデルを含む物理インフォームドディープラーニングフレームワークを提案し, ブロック, 反射, 散乱成分の学習を行った。
論文 参考訳（メタデータ） (2025-10-24T08:17:14Z) - ROGR: Relightable 3D Objects using Generative Relighting [71.35020300131261]
ROGRは,複数の視点から捉えたオブジェクトの3Dモデルを再構築する新しい手法である。
我々は、入力された環境光の下で物体の外観を出力する照明条件のニューラルレージアンス場(NeRF)を訓練する。
我々は、確立されたTensoIRおよびStanford-ORBデータセットに対する我々のアプローチを評価し、実世界のオブジェクトキャプチャに対する我々のアプローチを示す。
論文 参考訳（メタデータ） (2025-10-03T16:35:22Z) - Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。
現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。
本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
論文 参考訳（メタデータ） (2025-09-11T23:12:55Z) - MatDecompSDF: High-Fidelity 3D Shape and PBR Material Decomposition from Multi-View Images [20.219010684946888]
MatDecompSDFは、高忠実度3D形状を復元し、その物理的特性を多視点画像から分解するフレームワークである。
本手法は,標準のグラフィックスパイプラインにシームレスに統合可能な,編集可能で再生可能なアセットを生成する。
論文 参考訳（メタデータ） (2025-07-07T08:22:32Z) - Structural Vibration Monitoring with Diffractive Optical Processors [10.912207470238338]
本稿では,浅層ニューラルネットワークに基づくバックエンドと共同最適化された回折層を統合した回折振動モニタリングシステムを提案する。
このアーキテクチャは、高密度センサアレイや広範なデータ取得の必要性を排除している。
従来の光学よりも精度が向上する。
論文 参考訳（メタデータ） (2025-06-03T19:06:04Z) - PBIR-NIE: Glossy Object Capture under Non-Distant Lighting [30.325872237020395]
グロッシーオブジェクトは自然光下での多視点入力画像から3次元再構成を行う上で重要な課題となる。
PBIR-NIEは, 物体の形状, 材料特性, 周囲の照明を均等に捉えるために設計された逆レンダリングフレームワークである。
論文 参考訳（メタデータ） (2024-08-13T13:26:24Z) - OpenMaterial: A Large-scale Dataset of Complex Materials for 3D Reconstruction [55.052637670485716]
材料認識型3D再構成のための大規模半合成データセットであるOpenMaterialを紹介する。
導体、誘電体、プラスチックを含む295の異なる材料にまたがる1,001の物体と、その粗い変種が含まれ、714の異なる照明条件下で捕獲される。
マルチビュー画像、3D形状モデル、カメラポーズ、深度マップ、およびオブジェクトマスクを提供し、挑戦的な材料上で3D再構成を評価するための最初の広範囲なベンチマークを確立する。
論文 参考訳（メタデータ） (2024-06-13T07:46:17Z) - Inverse Rendering of Glossy Objects via the Neural Plenoptic Function and Radiance Fields [45.64333510966844]
逆レンダリングは、オブジェクトの幾何学と材料の両方を復元することを目的としている。
我々は、NeRFとレイトレーシングに基づく新しい5次元ニューラルプレノプティクス関数(NeP)を提案する。
本手法は, 近くの物体からの複雑な光の相互作用により, 難解な光沢のある物体の高忠実な形状・材料を再構成することができる。
論文 参考訳（メタデータ） (2024-03-24T16:34:47Z) - 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。