論文の概要: Cascaded Non-Line-of-Sight Imaging

• arxiv url: http://arxiv.org/abs/2609.16017v1
• Date: Thu, 03 Sep 2026 21:12:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 16:32:15.675963
• Title: Cascaded Non-Line-of-Sight Imaging
• Title（参考訳）: 非視線画像のカスケード化
• Abstract要約: 飛行時間非視線イメージング(NLOS)は、可視(リレー)壁に散在する間接光子の飛行時間を分析して隠れた物体からの情報を復元する。 我々は、高次情報を活用し、より広い範囲のシングルコーナシナリオとマルチコーナシナリオを撮像できる、新しいケースドNLOSイメージング手法を提案する。
• 参考スコア（独自算出の注目度）: 6.752547625072075
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Time-of-flight non-line-of-sight (NLOS) imaging recovers information from hidden objects by analyzing the time of flight of indirect photons scattered on a visible (relay) wall. Most methods make the simplifying assumption that photons travel exclusively three-bounce paths, thus ignoring other useful information encoded in higher-order photons (with, e.g., four- or five-bounce paths). We present a novel cascaded NLOS imaging approach that leverages higher-order information and allows imaging a broader range of single- and multi-corner scenarios. We combine ultra-fast laser scanning with recent time-gated 2D sensor arrays to capture the scene's impulse response on a visible relay wall. From the captured impulse response, our method computes an analogous virtual impulse response at any other hidden wall. This effectively allows us to concatenate a second, virtual NLOS imaging system that leverages higher-order illumination. We validate our cascaded imaging method both in simulation and with a real prototype, demonstrating NLOS imaging with fourth- and fifth-bounce illumination of objects in challenging orientations and hidden around two corners. We also analyze how wave-based NLOS imaging interacts with rough hidden walls, which explains and helps overcome existing visibility limitations. We further illustrate how to image hidden objects from different perspectives, thus observing previously unseen features, by relying on multiple hidden walls.
• Abstract（参考訳）: 飛行時間非視線イメージング(NLOS)は、可視(リレー)壁に散在する間接光子の飛行時間を分析して隠れた物体からの情報を復元する。 ほとんどの方法は、光子が3バウンスパスのみを移動するという仮定を単純化し、高次光子(例えば、4バウンスパスまたは5バウンスパス)に符号化された他の有用な情報を無視する。 我々は、高次情報を活用し、より広い範囲のシングルコーナシナリオとマルチコーナシナリオを撮像できる、新しいケースドNLOSイメージング手法を提案する。 我々は、超高速レーザースキャンと最近の2Dセンサーアレイを組み合わせることで、可視光リレー壁におけるシーンのインパルス応答を捉える。 キャプチャされたインパルス応答から,他の隠れた壁における類似の仮想インパルス応答を計算する。 これにより、高次照明を利用する第2の仮想NLOSイメージングシステムを効果的に結合することができる。 本手法をシミュレーションと実プロトタイプで検証し,物体の4,5分の1の照度で2つの角に隠れたNLOS像を実証した。 また、波動ベースのNLOSイメージングが粗い壁とどのように相互作用するかを分析し、既存の可視性限界を克服するのに役立ちます。 さらに、異なる視点から隠されたオブジェクトをイメージする方法を説明し、複数の隠された壁に依存して、これまで見えなかった特徴を観察する。

関連論文リスト

• MSI-NeRF: Linking Omni-Depth with View Synthesis through Multi-Sphere Image aided Generalizable Neural Radiance Field [1.3162012586770577]
  深層学習全方位深度推定と新しいビュー合成を組み合わせたMSI-NeRFを提案する。 入力画像の特徴抽出とワープにより,コストボリュームとして多面体画像を構築する。 ネットワークには,4つの画像のみを用いて未知のシーンを効率的に再構築する一般化機能がある。
  論文  参考訳（メタデータ） (2024-03-16T07:26:50Z)
• Role of Transients in Two-Bounce Non-Line-of-Sight Imaging [24.7311033930968]
  非視線イメージング(NLOS)は、多重散乱光を用いてカメラの視野から隠された画像オブジェクトである。 最近の研究は、レーザーを走査し、2つのリレー面を持つシーンにおける閉塞物体の鋳造影を測定することにより、2バウンス(2B)のNLOSイメージングの実現可能性を示している。
  論文  参考訳（メタデータ） (2023-04-03T19:15:21Z)
• 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)
• City-scale Scene Change Detection using Point Clouds [71.73273007900717]
  2つの異なる時間にカメラを設置して撮影した画像を用いて都市の構造変化を検出する手法を提案する。 変化検出のための2点雲の直接比較は、不正確な位置情報のため理想的ではない。 この問題を回避するために,ポイントクラウド上での深層学習に基づく非厳密な登録を提案する。 提案手法は,視点や照明の違いがあっても,シーン変化を効果的に検出できることを示す。
  論文  参考訳（メタデータ） (2021-03-26T08:04:13Z)
• Neural Radiance Flow for 4D View Synthesis and Video Processing [59.9116932930108]
  本稿では,RGB画像から動的シーンの4次元空間時空間表現を学習する手法を提案する。 私たちのアプローチの鍵は、シーンの3D占有率、輝度、およびダイナミクスをキャプチャすることを学ぶ神経暗黙表現を使用することです。
  論文  参考訳（メタデータ） (2020-12-17T17:54:32Z)
• D-NeRF: Neural Radiance Fields for Dynamic Scenes [72.75686949608624]
  そこで我々は,D-NeRF(D-NeRF)を動的領域に拡張する手法を提案する。 D-NeRFは、周囲を動き回るカメラから、剛体で非剛体な動きの下で物体のイメージを再構成する。 我々は,剛体・調音・非剛体動作下での物体のシーンに対するアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2020-11-27T19:06:50Z)
• Efficient Non-Line-of-Sight Imaging from Transient Sinograms [36.154873075911404]
  非視線(NLOS)イメージング技術は、角の周囲を見るために可視表面(例えば壁)から拡散的に反射する光を使用する。 1つのアプローチは、パルスレーザーと超高速センサーを使用して、多重散乱光の移動時間を測定することである。 より効率的なNLOSスキャン方式を提案する。
  論文  参考訳（メタデータ） (2020-08-06T17:50:50Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。