論文の概要: End-to-End Optimization of Polarimetric Measurement and Material Classifier

• arxiv url: http://arxiv.org/abs/2603.20519v1
• Date: Fri, 20 Mar 2026 21:37:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.948045
• Title: End-to-End Optimization of Polarimetric Measurement and Material Classifier
• Title（参考訳）: ポラリメトリック計測と材料分類器のエンドツーエンド最適化
• Authors: Ryota Maeda, Naoki Arikawa, Yutaka No, Shinsaku Hiura,
• Abstract要約: 物質分類はコンピュータビジョンの基本的な問題であり、シーン理解において重要な役割を果たす。 従来, 色, テクスチャ, 特異性, 散乱などの反射特性に基づく様々な物質認識法が研究されてきた。 本稿では,材料分類器を共同で学習し,偏光素子の回転角の最適組み合わせを決定するエンドツーエンド最適化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）: 3.2410920976856445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Material classification is a fundamental problem in computer vision and plays a crucial role in scene understanding. Previous studies have explored various material recognition methods based on reflection properties such as color, texture, specularity, and scattering. Among these cues, polarization is particularly valuable because it provides rich material information and enables recognition even at distances where capturing high-resolution texture is impractical. However, measuring polarimetric reflectance properties typically requires multiple modulations of the polarization state of the incident light, making the process time-consuming and often unnecessary for certain recognition tasks. While material classification can be achieved using only a subset of polarimetric measurements, the optimal configuration of measurement angles remains unclear. In this study, we propose an end-to-end optimization framework that jointly learns a material classifier and determines the optimal combinations of rotation angles for polarization elements that control both the incident and reflected light states. Using our Mueller-matrix material dataset, we demonstrate that our method achieves high-accuracy material classification even with a limited number of measurements.
• Abstract（参考訳）: 物質分類はコンピュータビジョンの基本的な問題であり、シーン理解において重要な役割を果たす。 従来, 色, テクスチャ, 特異性, 散乱などの反射特性に基づく様々な物質認識法が研究されてきた。 これらの方法のうち、偏光は、リッチな材料情報を提供し、高分解能なテクスチャを捉えることが現実的でない距離でも認識できるため、特に有用である。 しかし、偏光反射特性の測定には、通常、入射光の偏光状態の多重変調が必要であるため、プロセスに時間がかかり、特定の認識タスクにはしばしば不要である。 物質分類は偏光度測定のサブセットのみを用いて行うことができるが、測定角度の最適構成はいまだ不明である。 本研究では,材料分類器を共同で学習し,入射光状態と反射光状態の両方を制御する偏光素子の回転角の最適組み合わせを決定するエンドツーエンド最適化フレームワークを提案する。 提案手法は,Mueller-Matrix材料データセットを用いて,限られた測定数であっても高精度な材料分類を実現することを実証する。

関連論文リスト

• MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
  より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。 本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-10-13T13:29:20Z)
• Shape from Polarization of Thermal Emission and Reflection [2.7317088388886384]
  長波長赤外(LWIR)スペクトルにおける偏光の形状(SfP)技術を利用する。 我々は、放射と反射の複合効果を明示的に考慮した偏極モデルを定式化した。 我々はプロトタイプシステムを実装し、LWIR SfPのための最初の実世界のベンチマークデータセットであるThermoPolを開発した。
  論文  参考訳（メタデータ） (2025-06-23T00:33:17Z)
• Glossy Object Reconstruction with Cost-effective Polarized Acquisition [41.96986483856648]
  この研究は、コスト効率の良い取得ツールを使用するスケーラブルな分極支援アプローチを導入している。 提案手法は,物体表面の分極的BRDF,ストークスベクトル,偏光状態をニューラル暗黙的場として表現する。 偏光レンダリングの暗黙的な表現に基本的な物理原理を活用することにより,本手法は既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-09T16:38:51Z)
• IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
  画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。 従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。 IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
  論文  参考訳（メタデータ） (2024-12-16T18:52:56Z)
• RMAFF-PSN: A Residual Multi-Scale Attention Feature Fusion Photometric Stereo Network [37.759675702107586]
  複雑な構造空間材料変化領域における2次元画像からの物体の正確な地図の予測は困難である。 画像の解像度の異なるステージとスケールから特徴情報を校正する手法を提案する。 このアプローチは、複雑な領域における物体のテクスチャや幾何学といった、より物理的な情報を保存する。
  論文  参考訳（メタデータ） (2024-04-11T14:05:37Z)
• Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
  様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。 まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。 大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-05T17:55:33Z)
• S2P3: Self-Supervised Polarimetric Pose Prediction [55.43547228561919]
  本稿では,マルチモーダルRGB+ポラリメトリック画像から,最初の自己監督型6次元オブジェクトポーズ予測を提案する。 1) 偏光の幾何学的情報を抽出する物理モデル,2) 教師による知識蒸留方式,3) 異なる制約による自己監督的損失の定式化を含む。
  論文  参考訳（メタデータ） (2023-12-02T10:46:40Z)
• Polarimetric Pose Prediction [42.47531308682873]
  カラーバンド分離波長と強度は、単色6Dオブジェクトのポーズ推定に最もよく用いられる。 本稿では,光波の発振方向などの相補的な偏光情報が,ポーズ予測の精度にどのように影響するかを考察する。
  論文  参考訳（メタデータ） (2021-12-07T16:38:10Z)

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。