論文の概要: Imaging Hidden Objects with Consumer LiDAR via Motion Induced Sampling

• arxiv url: http://arxiv.org/abs/2605.17865v1
• Date: Mon, 18 May 2026 05:18:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.819916
• Title: Imaging Hidden Objects with Consumer LiDAR via Motion Induced Sampling
• Title（参考訳）: 動き誘導サンプリングによるLiDARを用いた隠れ物体のイメージング
• Authors: Siddharth Somasundaram, Aaron Young, Akshat Dave, Adithya Pediredla, Ramesh Raskar,
• Abstract要約: 非視線イメージング(NLOS)は、研究グレードのLiDARで実証されている。 本稿では,これらの課題を克服するための多フレーム融合戦略を提案し,消費者LiDAR上でのNLOSイメージングを実証する。 我々の結果はプラグアンドプレイのNLOSイメージングへのシフトを表しており、誰でも既製のハードウェアで隠された物体を撮影できる。
• 参考スコア（独自算出の注目度）: 22.43578057466958
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LiDARs are being increasingly deployed for consumer imaging in handheld, wearable, and robotic applications. These sensors can capture the time-of-flight of light at picosecond resolution, which in principle, enables them to capture information about objects hidden from their field of view. While such non-line-of-sight (NLOS) imaging capabilities have been shown on research-grade LiDARs, they are challenging to achieve on consumer devices due to poor signal quality resulting from low laser power, low spatial resolution, and object and camera motion. Inspired by burst photography and synthetic aperture radar, we propose a multi-frame fusion strategy to overcome these challenges and demonstrate NLOS imaging on consumer LiDAR. We first introduce the motion-induced aperture sampling model to unify the effects of object shape, object motion, and camera motion under a single measurement model. Using this model, we demonstrate several NLOS capabilities on a smartphone-grade LiDAR: (1) 3D reconstruction, (2) single and multi-object tracking, and (3) camera localization using hidden objects. Previously, NLOS imaging capabilities were largely restricted to bulky and expensive research-grade hardware that requires extensive setup and calibration. Our results represent a shift towards plug-and-play NLOS imaging, where anyone can image hidden objects with off-the-shelf hardware ($<100) and no additional setup. We believe that democratization of such capabilities will advance consumer applications of NLOS imaging.
• Abstract（参考訳）: LiDARは、ハンドヘルド、ウェアラブル、ロボットアプリケーションにおけるコンシューマーイメージングのために、ますます多くデプロイされている。 これらのセンサーはピコ秒の解像度で飛行時の光を捉え、原理的には、視界から隠された物体に関する情報を捉えることができる。 このような非視線イメージング(NLOS)は、研究グレードのLiDARで実証されているが、低レーザーパワー、低空間解像度、オブジェクトとカメラの動きによる信号品質の低下により、コンシューマーデバイスでは実現が困難である。 バースト写真と合成開口レーダに着想を得て,これらの課題を克服し,消費者LiDAR上でのNLOSイメージングを実証するための多フレーム融合戦略を提案する。 まず, 物体形状, 物体運動, カメラ運動の影響を単一の測定モデルで統一するために, 動き誘導開口サンプリングモデルを導入する。 このモデルを用いて,スマートフォン用LiDAR上でのNLOS機能について,(1)3次元再構成,(2)単一・複数物体追跡,(3)隠れオブジェクトを用いたカメラのローカライゼーションを示す。 以前は、NLOSの撮像機能は、広範囲のセットアップとキャリブレーションを必要とする、大きくて高価な研究グレードのハードウェアに限られていた。 われわれの結果は、プラグ&プレイのNLOSイメージングへのシフトを表しており、誰でもオフザシェルフハードウェア(100ドル)で、追加設定なしで、隠されたオブジェクトを画像化できる。 このような能力の民主化が、NLOSイメージングの消費者応用を促進すると信じている。

関連論文リスト

• DENALI: A Dataset Enabling Non-Line-of-Sight Spatial Reasoning with Low-Cost LiDARs [35.055384675088185]
  隠れオブジェクトをキャプチャする低コストLiDARから,空間時間ヒストグラムの大規模な実世界のデータセットであるDENALIを提示する。 消費者のLiDARは、正確なデータ駆動型NLOS知覚を可能にする。
  論文  参考訳（メタデータ） (2026-04-17T16:12:16Z)
• FRAME: Floor-aligned Representation for Avatar Motion from Egocentric Video [52.33896173943054]
  ヘッドマウントのボディフェイスステレオカメラを備えたエゴセントリックなモーションキャプチャーは、VRやARアプリケーションには不可欠だ。 既存の方法は、合成事前学習と、現実の環境で滑らかで正確な予測を生成するのに苦労している。 本稿では、デバイスポーズとカメラフィードを組み合わせて、最先端のボディポーズ予測を行う、シンプルで効果的なアーキテクチャFRAMEを提案する。
  論文  参考訳（メタデータ） (2025-03-29T14:26:06Z)
• A Plug-and-Play Algorithm for 3D Video Super-Resolution of Single-Photon LiDAR data [5.378429123269604]
  単光子アバランシェダイオード(SPAD)は、個々の光子を検出し、ピコ秒分解能で到着時間を記録できる高度なセンサーである。 本研究では,SPADデータから移動シーンの3次元再構成を改善するための新しい計算画像処理アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-12T16:33:06Z)
• Better Monocular 3D Detectors with LiDAR from the Past [64.6759926054061]
  カメラベースの3D検出器は、画像の奥行きのあいまいさのため、LiDARベースの検出器に比べて性能が劣ることが多い。 本研究では,未ラベルの歴史的LiDARデータを活用することにより,単分子3D検出器の改良を図る。 複数の最先端モデルやデータセットに対して,9.66ミリ秒の追加レイテンシとストレージコストの低い,一貫性と大幅なパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2024-04-08T01:38:43Z)
• Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
  本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。 既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-08-21T10:38:32Z)
• Virtually increasing the measurement frequency of LIDAR sensor utilizing a single RGB camera [1.3706331473063877]
  本研究は、モノカメラを用いてLIDARのフレームレートを実質的に向上させることを示唆している。 実測値と精度および類似性の観点から,大規模な公開データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-02-10T11:43:35Z)
• HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for Autonomous Driving [95.42203932627102]
  3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。 提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。 具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
  論文  参考訳（メタデータ） (2022-12-15T11:15:14Z)
• Single-shot ToF sensing with sub-mm precision using conventional CMOS sensors [7.114925332582435]
  動的物体の高精度な3次元計測を目的とした,新しい単発干渉計ToFカメラを提案する。 従来のToFカメラとは対照的に、当社のデバイスは市販のCCD/CMOS検出器のみを使用し、ネイティブチップの解像度で動作する。 我々は,2Mp点の雲の分解能を持つ小型(cmサイズの)物体の3次元計測を行い,その深さを2mm以下の精度で測定した。
  論文  参考訳（メタデータ） (2022-12-02T01:50:36Z)
• Gait Recognition in Large-scale Free Environment via Single LiDAR [35.684257181154905]
  深度を捉えるLiDARの能力は、ロボットの知覚にとって重要な要素であり、現実世界の歩行認識の可能性を秘めている。 本稿では,頑健な歩行認識のための階層型多表現特徴相互作用ネットワーク(HMRNet)を提案する。 LiDARに基づく歩行認識研究を容易にするため,大規模かつ制約のない歩行データセットであるFreeGaitを紹介した。
  論文  参考訳（メタデータ） (2022-11-22T16:05:58Z)

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。