- …
- …
#987
summarized by : Naoya Chiba
どんな論文か？
Non-Line-of-Sightの再構成問題に3D CNNを適用した．既存手法は再構成計算の計算コストが大きいため，2D+Timeの三次元データとして入力しDepth画像を推定するニューラルネットワークをTransient Rendererによる合成データで学習する．推論時はForward計算のみなので，モデルベースで再構成する手法よりも非常に高速で，同程度の再構成性能を達成した．
新規性
Non-Line-of-Sightの再構成問題に対してU-Net＋アップサンプリングを行うニューラルネットワークを適用し，合成データのみで学習，モデルベース手法より高速で同程度の性能を達成．センサーのSPADモデルを近似・反射強度とバイアス，ノイズがランダムなデータを生成して学習することで実際の観測に対して汎化する．
結果
FlatNet，ShapeNet，Redwoodを用いたデータで学習，いくつかの合成データで評価．学習ができていること，提案法が既存手法と近い性能であることを確認．Ablation Studyとして低光量条件，低解像度条件も評価し，これらの条件下でも良好な再構成結果を得られた．
その他（なぜ通ったか？等）
再構成の計算コストが大きかったNon-Line-of-Sightをに対してニューラルネットワークによる大幅な高速化を達成，合成データのみで十分に汎化することを示した．
- …
- …