論文の概要: MuS-Polar3D: A Benchmark Dataset for Computational Polarimetric 3D Imaging under Multi-Scattering Conditions

• arxiv url: http://arxiv.org/abs/2512.21513v1
• Date: Thu, 25 Dec 2025 05:32:39 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:05:29.474035
• Title: MuS-Polar3D: A Benchmark Dataset for Computational Polarimetric 3D Imaging under Multi-Scattering Conditions
• Title（参考訳）: MuS-Polar3D:マルチ散乱条件下での計算ポラリメトリック3次元イメージングのためのベンチマークデータセット
• Authors: Puyun Wang, Kaimin Yu, Huayang He, Xianyu Wu,
• Abstract要約: 偏光をベースとした水中3D画像は、背景散乱を抑制するために偏光の手がかりを利用しており、濁った水には明確な利点がある。 MuS-Polar3Dは、水中偏光に基づく定量的な3Dイメージングのための、初めて公開されたベンチマークデータセットである。
• 参考スコア（独自算出の注目度）: 0.7933039558471408
• License:
• Abstract: Polarization-based underwater 3D imaging exploits polarization cues to suppress background scattering, exhibiting distinct advantages in turbid water. Although data-driven polarization-based underwater 3D reconstruction methods show great potential, existing public datasets lack sufficient diversity in scattering and observation conditions, hindering fair comparisons among different approaches, including single-view and multi-view polarization imaging methods. To address this limitation, we construct MuS-Polar3D, a benchmark dataset comprising polarization images of 42 objects captured under seven quantitatively controlled scattering conditions and five viewpoints, together with high-precision 3D models (+/- 0.05 mm accuracy), normal maps, and foreground masks. The dataset supports multiple vision tasks, including normal estimation, object segmentation, descattering, and 3D reconstruction. Inspired by computational imaging, we further decouple underwater 3D reconstruction under scattering into a two-stage pipeline, namely descattering followed by 3D reconstruction, from an imaging-chain perspective. Extensive evaluations using multiple baseline methods under complex scattering conditions demonstrate the effectiveness of the proposed benchmark, achieving a best mean angular error of 15.49 degrees. To the best of our knowledge, MuS-Polar3D is the first publicly available benchmark dataset for quantitative turbidity underwater polarization-based 3D imaging, enabling accurate reconstruction and fair algorithm evaluation under controllable scattering conditions. The dataset and code are publicly available at https://github.com/WangPuyun/MuS-Polar3D.
• Abstract（参考訳）: 偏光をベースとした水中3Dイメージングは、背景散乱を抑制するために偏光キューを利用する。 データ駆動による偏光に基づく水中3D再構成手法は大きな可能性を秘めているが、既存の公共データセットは散乱や観測条件に十分な多様性を欠いているため、シングルビューやマルチビュー偏光イメージングなど、様々なアプローチの公正な比較を妨げている。 この制限に対処するため, 定量的に制御された7つの散乱条件と5つの視点で捉えた42個の物体の偏光画像と, 高精度3Dモデル(+/-0.05mm精度), 正規地図, 前景マスクからなるベンチマークデータセット MuS-Polar3D を構築した。 このデータセットは、通常の推定、オブジェクトセグメンテーション、デ散乱、3D再構成など、複数の視覚タスクをサポートする。 さらに,2段階のパイプラインに散乱した水中の3次元再構成,すなわち3次元再構成を画像チェーンの観点から分離した。 複雑な散乱条件下での複数のベースライン法による広範囲な評価は,提案手法の有効性を示し,平均角誤差は15.49度である。 我々の知る限り、MuS-Polar3Dは水中分極に基づく定量的な3Dイメージングのための最初の公開ベンチマークデータセットであり、制御可能な散乱条件下での正確な再構成と公平なアルゴリズム評価を可能にする。 データセットとコードはhttps://github.com/WangPuyun/MuS-Polar3Dで公開されている。

関連論文リスト

• PolarAnything: Diffusion-based Polarimetric Image Synthesis [59.14294818211059]
  本稿では,光リアリズムと物理精度の両方で単一のRGB入力から偏光画像を合成できるPolarAnythingを提案する。 実験により,我々のモデルは高品質な偏光画像を生成し,偏光からの形状などの下流タスクをサポートすることが示された。
  論文  参考訳（メタデータ） (2025-07-23T07:09:10Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• Object Modeling from Underwater Forward-Scan Sonar Imagery with Sea-Surface Multipath [16.057203527513632]
  海面近傍で撮影された物体に対する重要な貢献は、気-水界面によるマルチパスアーチファクトの解決である。 ここでは、直接目標後方散乱によって形成された物体像は、ほとんど常にゴーストや鏡部品によって破壊される。 各ビュー内の劣化したオブジェクト領域をモデル化し,ローカライズし,破棄することにより,復元された3次元形状の歪みを回避する。
  論文  参考訳（メタデータ） (2024-09-10T18:46:25Z)
• VFMM3D: Releasing the Potential of Image by Vision Foundation Model for Monocular 3D Object Detection [80.62052650370416]
  モノクル3Dオブジェクト検出は、自律運転やロボティクスなど、さまざまなアプリケーションにおいて重要な役割を担っている。 本稿では,VFMM3Dを提案する。VFMM3Dは,ビジョンファウンデーションモデル(VFM)の機能を利用して,単一ビュー画像を正確にLiDARポイントクラウド表現に変換する,革新的なフレームワークである。
  論文  参考訳（メタデータ） (2024-04-15T03:12:12Z)
• Polarimetric Multi-View Inverse Rendering [13.391866136230165]
  偏光カメラは、偏光の角度(AoP)と反射光の偏光の度合い(DoP)が物体の表面の正常と関係しているため、3次元再構成に大きな可能性がある。 入力された多視点カラー偏光画像から抽出した幾何的・測光的・偏光的手がかりを効果的に活用するポラリメトリック多視点逆レンダリング(Polarimetric Multi-View Inverse Rendering, Polarimetric MVIR)と呼ばれる新しい3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2022-12-24T12:12:12Z)
• PolarFormer: Multi-camera 3D Object Detection with Polar Transformers [93.49713023975727]
  自律運転における3次元物体検出は、3次元の世界に存在する「何」と「どこに」の物体を推論することを目的としている。 既存の手法はしばしば垂直軸を持つ標準カルテ座標系を採用する。 鳥眼ビュー(BEV)におけるより正確な3次元物体検出のための新しい極変換器(PolarFormer)を,マルチカメラ2D画像のみを入力として提案する。
  論文  参考訳（メタデータ） (2022-06-30T16:32:48Z)
• Investigating Spherical Epipolar Rectification for Multi-View Stereo 3D Reconstruction [1.0152838128195467]
  主線の違いによる歪みを最小限に抑えるために, エピポーラ補正のための球面モデルを提案する。 提案手法がフレームベースのエピポーラ補正よりも優れていることを示す定性的,定量的評価を行った。
  論文  参考訳（メタデータ） (2022-04-08T15:50:20Z)
• Deep Polarization Imaging for 3D shape and SVBRDF Acquisition [7.86578678811226]
  偏光キューを用いた3次元物体の形状と空間的反射率を効率よく取得する新しい手法を提案する。 偏光イメージングを深層学習と組み合わせることで,物体や物体の出現を一定の制約下で推定する従来の研究と異なり,このような制約を解消する。 我々は,フラッシュ照明とともにディープラーニングを用いた最近の研究と比較して,優れた結果を得るためのアプローチを実証する。
  論文  参考訳（メタデータ） (2021-05-06T17:58:43Z)
• Exploration of Whether Skylight Polarization Patterns Contain Three-dimensional Attitude Information [2.6641834518599308]
  3つの角度を推定するために社会クモ最適化法(SSO)を提案する。 シミュレーションの結果,アルゴリズムは3次元姿勢を推定でき,確立された空モデルには3次元姿勢情報が含まれていることがわかった。
  論文  参考訳（メタデータ） (2020-11-30T12:10:29Z)

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。