SimuGAN：用于 LIDAR 相机无监督前向建模与最优设计
计算机视觉与模式识别
2020-12-17 v1 图像与视频处理
摘要
用于短距离的节能 LIDAR 相机利用时间强度编码的激光脉冲估计物体距离，并计算与后向散射脉冲的最大相关性。尽管功耗低，后向散射脉冲噪声大且不稳定，导致深度估计不准确且不可靠。为解决该问题，我们使用 GAN（生成对抗网络），即两个可通过对抗过程学习复杂类别分布的神经网络。我们学习了 LIDAR 相机的隐藏属性与行为，创建了一种新颖的、完全无监督的前向模型来模拟该相机。然后，我们利用模型的可微性探索相机参数空间，并针对深度、精度与稳定性优化这些参数。为实现此目标，我们还提出了一种针对后向散射码分布的弱点及其循环行为的新自定义损失函数。结果在合成数据与真实数据上均得到了展示。
引用
@article{arxiv.2012.08951,
title = {SimuGAN: Unsupervised forward modeling and optimal design of a LIDAR Camera},
author = {Nir Diamant and Tal Mund and Ohad Menashe and Aviad Zabatani and Alex M. Bronstein},
journal= {arXiv preprint arXiv:2012.08951},
year = {2020}
}