面向运动目标的物理嵌入事件增强被动非视距成像
光学
2024-11-15 v4
摘要
配备智能传感器的非视距(NLOS)成像作为一种对拐角处被遮挡物体进行成像和传感的新技术而出现。随着仿生神经形态传感器的创新,新型传感器在NLOS成像等非常规成像任务中的应用在智能感知(包括自动驾驶、医疗内窥镜及其他传感场景)中展现出广阔前景。然而,传感器在计算成像应用中最具挑战性的点是传感器采集与重建之间建立的逆问题。在某些传感器应用中,传统的物理检索方法由于高度病态性通常导致重建效果较差,在运动目标成像中尤为明显。得益于神经网络的发展,数据驱动方法极大提高了其准确性,然而对数据量的严重依赖给数据收集和数据集制作带来了巨大压力。据我们所知,我们首次提出了一种以传感器为主导的恢复原型,称为“具有物理嵌入的运动目标事件增强被动NLOS成像原型”(EPNP),阐述了动态视觉传感器在NLOS成像中的应用。EPNP引入事件相机用于动态扩散斑的特征提取,并利用仿真数据集对物理嵌入模型进行预训练,然后再用有限的实拍数据进行微调。所提出的EPNP原型通过仿真和真实实验得到了验证,同时数据范式的比较也验证了基于事件的传感器在面向运动目标的被动NLOS成像中的优越性,以及在先进成像技术中的前景。
引用
@article{arxiv.2404.05977,
title = {Event-enhanced Passive Non-line-of-sight imaging for moving objects with Physical embedding},
author = {Conghe Wang and Xia Wang and Yujie Fang and Changda Yan and Xin Zhang and Yifan Zuo},
journal= {arXiv preprint arXiv:2404.05977},
year = {2024}
}
备注
This work has been accepted for publication in IEEE