基于学习型超表面的神经 360$^\circ$ 结构光
光学
2023-06-28 v2 计算机视觉与模式识别
图像与视频处理
摘要
结构光在 3D 成像、LiDAR 与全息光投影中已证明极具价值。超表面由亚波长尺寸的纳米结构组成，可实现 180 视场（FoV）结构光，规避了衍射光学元件等传统光学固有的受限 FoV。然而，现有超表面辅助的结构光因启发式图案设计（如不考虑终端应用目标的周期点阵）而在下游任务中表现次优。本文提出由学习型超表面驱动的神经 360 结构光。我们提出一个可微框架，涵盖计算高效的 180 波传播模型与任务特定重建器，并利用超表面的透射与反射通道。借助框架内的一阶优化器，我们优化超表面设计，从而实现神经 360 结构光。我们已将神经 360 结构光用于全息光投影与 3D 成像。具体而言，我们展示了复杂图案的首次 360 光投影，由我们的传播模型实现，该模型计算评估比 Rayleigh-Sommerfeld 传播快 50,000。对于 3D 成像，相比启发式设计的结构光，我们将 RMSE 中的深度估计精度提升了 5.09。神经 360 结构光有望为机器人、扩展现实系统与人机交互提供稳健的 360 成像与显示。
引用
@article{arxiv.2306.13361,
title = {Neural 360$^\circ$ Structured Light with Learned Metasurfaces},
author = {Eunsue Choi and Gyeongtae Kim and Jooyeong Yun and Yujin Jeon and Junsuk Rho and Seung-Hwan Baek},
journal= {arXiv preprint arXiv:2306.13361},
year = {2023}
}