具有导电边界的各向异性散射体的两种直接抽样方法
计算机视觉与模式识别
2025-03-28 v2
摘要
本文考虑具有导电边界条件的各向异性介质相关的逆散射问题。我们将假设对应的远场图样或Cauchy数据要么已知要么被测量。导电边界条件模拟散射体边界周围的薄涂层。我们将发展两种直接抽样方法来求解逆形状问题,通过数值恢复散射体。为此,我们通过推导当抽样点远离散射体时,相应成像函数衰减的情形来研究直接抽样方法。这些方法已被应用于其他逆形状问题,但这是首次将其应用于具有导电边界条件的各向异性散射体。这些方法允许通过考虑远场数据或Cauchy数据的内积来恢复散射体。此处,我们将假设Cauchy数据在完全包围散射体D的区域的边界上已知。我们在二维中 presenting numerical reconstructions,以验证两种方法的理论结果,针对圆形和非圆形散射体。
引用
@article{arxiv.2412.16604,
title = {OmniSplat: Taming Feed-Forward 3D Gaussian Splatting for Omnidirectional Images with Editable Capabilities},
author = {Suyoung Lee and Jaeyoung Chung and Kihoon Kim and Jaeyoo Huh and Gunhee Lee and Minsoo Lee and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:2412.16604},
year = {2025}
}