論文の概要: Broadband Hyperspectral 3D Imaging using Dispersed Structured Light

• arxiv url: http://arxiv.org/abs/2605.25757v1
• Date: Mon, 25 May 2026 12:09:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:19.937079
• Title: Broadband Hyperspectral 3D Imaging using Dispersed Structured Light
• Title（参考訳）: 分散構造光を用いた広帯域ハイパースペクトル3次元イメージング
• Authors: Suhyun Shin, Yunseong Moon, Ryota Maeda, David Lindell, Kyros Kutulacos, Seung-Hwan Baek,
• Abstract要約: 広帯域ハイパースペクトル3次元イメージング(BH3D)法を導入し、全可視近赤外および短波長赤外スペクトル(SWIR)に拡張する。 本稿では,高密度広帯域高スペクトル反射率を再構成する可視・SWIRカメラを備えたステレオ装置を用いた単一スペクトルBH3Dシステムを提案する。 我々は,様々な現実世界のシーンに対するアプローチを検証し,平均スペクトル角マッパーの0.13 rad,ルート平均角誤差の0.03,平均深さ誤差の4.5 mmで正確な再構成を実証した。
• 参考スコア（独自算出の注目度）: 21.35242642921906
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral 3D imaging enables the capture of dense spectral information and scene geometry but has traditionally been confined to narrow spectral windows, typically the visible range. In this work, we introduce a broadband hyperspectral 3D imaging (BH3D) method to extend this capability across the full visible-near-infrared and short-wavelength infrared (SWIR) spectrum (450-1500 nm). This broad coverage is critical as it captures complementary physical cues: visible wavelengths reveal surface appearance, while SWIR bands provide insight into subsurface properties and material composition. However, realizing BH3D is challenging due to fundamental sensor constraints between visible-spectrum silicon and SWIR-spectrum InGaAs sensors, which necessitate complex multi-spectrograph designs. Here we propose a single-spectrograph BH3D system, using a stereo setup comprising visible and SWIR cameras, that reconstructs dense broadband hyperspectral reflectance together with accurate 3D geometry. Our key idea is to extend dispersed structured light to the broadband regime using a single spectrograph. We model the image formation of broadband dispersed structured light, and estimate hyperspectral reflectance and depth. We validate our approach on diverse real-world scenes, demonstrating accurate reconstruction with a mean spectral angle mapper of 0.13 rad, root mean square error of 0.03, and mean depth error of 4.5 mm. We further demonstrate identifying metameric materials, performing imaging through opaque layers, uncovering hidden features on banknotes, and revealing blood vessels.
• Abstract（参考訳）: ハイパースペクトル3Dイメージングは、密度の高いスペクトル情報とシーンの幾何学を捉えることができるが、伝統的に狭いスペクトル窓(通常は可視範囲)に限られてきた。 本研究では、広帯域ハイパースペクトル3次元イメージング(BH3D)法を導入し、全可視近赤外および短波長赤外(SWIR)スペクトル(450-1500nm)に拡張する。 可視光は表面の外観を明らかにし、SWIRバンドは地下特性や物質組成の洞察を与える。 しかし、複雑なマルチスペクトル設計を必要とする可視スペクトルシリコンとSWIRスペクトルInGaAsセンサの基本的なセンサ制約のため、BH3Dの実現は困難である。 本稿では,高密度広帯域ハイパースペクトル反射率を高精度な3次元形状で再構成する,可視・SWIRカメラを組み合わせたステレオ構成を用いた単一スペクトルBH3Dシステムを提案する。 我々の鍵となる考え方は、分散された構造光を単一分光器を用いてブロードバンド方式に拡張することである。 我々は、広帯域分散構造光の画像形成をモデル化し、高スペクトル反射率と深さを推定する。 我々は,様々な現実世界のシーンに対するアプローチを検証し,平均スペクトル角マッパーの0.13 rad,ルート平均角誤差の0.03,平均深さ誤差の4.5 mmで正確な再構成を実証した。 さらに,メタメリックな物質を同定し,不透明な層を通してイメージングを行い,紙幣に隠された特徴を明らかにし,血管を明らかにした。

関連論文リスト

• S2ML: Spatio-Spectral Mutual Learning for Depth Completion [56.26679539288063]
  RGB-Dカメラで撮影した生深度画像は、弱い反射、境界影、アーティファクトによって不完全な深度値に悩まされることが多い。 既存の手法では、画像領域の深度補完によってこの問題に対処するが、それらは生の深度画像の物理的特性を見落としている。 本研究では,空間領域と周波数領域の両方の利点を両立させるため,S2ML(Spatio-Spectral Mutual Learning framework)を提案する。
  論文  参考訳（メタデータ） (2025-11-08T15:01:55Z)
• Event Spectroscopy: Event-based Multispectral and Depth Sensing using Structured Light [20.931791276832104]
  本稿では,高分解能・低遅延深度再構成とマルチスペクトルイメージングを同時に実現する新しいイベント分光システムを提案する。 RGB(3波長)に限定されたポータブルバージョンは、マゾアラのレインフォレストから現実世界の深度とスペクトルデータを収集するために使用される。 以上の結果から,材料分化に深度を加えると,色のみの手法に比べて30%以上精度が向上することがわかった。
  論文  参考訳（メタデータ） (2025-09-08T14:34:55Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• Dense Dispersed Structured Light for Hyperspectral 3D Imaging of Dynamic Scenes [9.050557698554696]
  ハイパースペクトル3Dイメージングは、深度マップとハイパースペクトル画像の両方をキャプチャし、幾何学的および物質的分析を可能にする。 近年の手法ではスペクトルと深さの精度が高いが、数分で長い取得時間を要する場合や、高価な大型システムに依存する場合が多い。 ステレオRGBカメラと安価な回折格子膜を用いたダイナミックシーンの高精度ハイパースペクトル3次元イメージング法を提案する。
  論文  参考訳（メタデータ） (2024-12-02T05:30:18Z)
• Hyperspectral Neural Radiance Fields [11.485829401765521]
  ニューラルラジアンス場(NeRF)を用いたハイパースペクトル3次元再構成を提案する。 NeRFは、様々なカメラモデルによって捉えられたシーンの高品質なボリューム3D表現を作ることで広く成功している。 提案手法により,高速かつ高精度な3次元ハイパースペクトルシーンの創出が可能となった。
  論文  参考訳（メタデータ） (2024-03-21T21:18:08Z)
• Dispersed Structured Light for Hyperspectral 3D Imaging [39.23448863407426]
  分散構造光(DSL)は、高精度なハイパースペクトル3次元イメージングのためのコスト効率が高くコンパクトな方法である。 DSLは18.8nmの半ミリのスペクトル精度と1mmの深さ誤差を達成している。
  論文  参考訳（メタデータ） (2023-11-30T06:45:52Z)
• SpectralGPT: Spectral Remote Sensing Foundation Model [60.023956954916414]
  SpectralGPTという名前のユニバーサルRS基盤モデルは、新しい3D生成事前学習変換器(GPT)を用いてスペクトルRS画像を処理するために構築されている。 既存の基礎モデルと比較して、SpectralGPTは、様々なサイズ、解像度、時系列、領域をプログレッシブトレーニング形式で対応し、広範なRSビッグデータのフル活用を可能にする。 我々の評価では、事前訓練されたスペクトルGPTモデルによる顕著な性能向上が強調され、地球科学分野におけるスペクトルRSビッグデータ応用の進展に有意な可能性を示唆している。
  論文  参考訳（メタデータ） (2023-11-13T07:09:30Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)

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。