遮挡场：一种用于非视距表面重建的隐式表示
计算机视觉与模式识别
2022-04-12 v2 机器学习
图像与视频处理
摘要
非视距重建（NLoS）是一种新颖的间接成像方式，旨在从间接散射自直接可见漫反射墙面的光的测量中恢复视场之外的物体或场景部分。尽管在采集和重建技术方面取得了近期进展，该问题在整体上的适定性，特别是物体及其形状的可恢复性，仍然是一个开放问题。常用的费马路径准则在这方面相当保守，因为它将某些表面分类为不可恢复，尽管它们对信号有贡献。在本文中，我们使用一个更简单的、不透明表面块可恢复的必要性准则。这样的表面块必须从墙面上的某点直接可见，并且必须遮挡其背后的空间。受神经隐式表示近期进展的启发，我们设计了一种新的NLoS场景表示与重建技术，将可恢复性的处理与重建本身统一起来。我们的方法在各种合成和实验数据集上进行了验证，展现出有趣的特性。与内存效率低的体积表示不同，我们的方法允许从中等分辨率飞行时间测量中推断自适应剖分表面。它还能恢复超出费马路径准则的特征，并且对大量自遮挡具有鲁棒性。我们认为这是首次在一个系统中实现这些特性，并且作为额外好处，该系统是可训练的，因此适用于数据驱动方法。
引用
@article{arxiv.2203.08657,
title = {Occlusion Fields: An Implicit Representation for Non-Line-of-Sight Surface Reconstruction},
author = {Javier Grau and Markus Plack and Patrick Haehn and Michael Weinmann and Matthias Hullin},
journal= {arXiv preprint arXiv:2203.08657},
year = {2022}
}