画素毎の残留収縮ネットワークを用いたロバストな光子効率の良いイメージング【JST・京大機械翻訳】

Yao Gongxin; Chen Yiwei; Liu Yong; Hu Xiaomin; Pan Yu

プレプリント

J-GLOBAL ID：202202206361159731 整理番号：22P0023690

画素毎の残留収縮ネットワークを用いたロバストな光子効率の良いイメージング【JST・京大機械翻訳】

Robust photon-efficient imaging using a pixel-wise residual shrinkage network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月05日プレプリントサーバーでの情報更新日： 2022年05月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

単一光子光検出と測距(LiDAR)は,挑戦的なシナリオにおける3Dイメージングに広く適用されてきた。しかし,収集したデータにおける限られた信号光子数と高いノイズは,深さ画像を正確に予測するための大きな課題を提起した。本論文では,高雑音データからの光子効率の良いイメージングのためのピクセルワイズ残差収縮ネットワークを提案し,各ピクセルに対して最適閾値を適応的に生成し,ソフト閾値化により中間特徴を雑音除去する。そのうえ,画素ごとの分類として最適化目標を再定義することは,既存の研究と比較して,秘密で正確な深さ推定を作り出す際に,鋭い利点を提供する。模擬および実世界データセットの両方で行った包括的な実験は,提案モデルが最先端技術よりも優れ,1:100の極端なケースを含む異なる信号対雑音比の下でロバストイメージング性能を維持することを示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

図形・画像処理一般

, , , , ,

前のページに戻る