非视距成像的最新进展：传统物理模型、深度学习与新场景
图像与视频处理
2021-11-23 v2 计算机视觉与模式识别
摘要
作为一种备受关注的新兴技术，非视距（NLOS）成像可通过分析中继面上的漫反射来重建隐藏物体，在自动驾驶、医学成像和国防等领域具有广阔的应用前景。尽管存在低信噪比（SNR）和高不适定性的挑战，NLOS成像近年来仍发展迅速。当前大多数NLOS成像技术采用传统物理模型，通过主动或被动照明构建成像模型，并利用重建算法恢复隐藏场景。此外，用于NLOS成像的深度学习算法近来也备受关注。本文全面综述了传统与基于深度学习的NLOS成像技术。此外，我们还调研了新提出的NLOS场景，并讨论了现有技术的挑战与前景。该综述有助于读者概览不同类型的NLOS成像，从而加速隔墙观物技术的发展。
引用
@article{arxiv.2104.13807,
title = {Recent Advances on Non-Line-of-Sight Imaging: Conventional Physical Models, Deep Learning, and New Scenes},
author = {Ruixu Geng and Yang Hu and Yan Chen},
journal= {arXiv preprint arXiv:2104.13807},
year = {2021}
}