通过学习和 FLAT 数据集解决 3D ToF 带来的伪影问题

ECCVJul, 2018

通过学习和 FLAT 数据集解决 3D ToF 带来的伪影问题

Tackling 3D ToF Artifacts Through Learning and the FLAT Dataset

Qi Guo, Iuri Frosio, Orazio Gallo, Todd Zickler, Jan Kautz

TL;DR本研究提出了一种基于双阶段深度学习方法的时间飞行拍摄摄像机深度重建方法以减少人工成像过程中的各种噪点等瑕疵，并介绍了 FLAT 数据集，通过实验在模拟和真实数据上证明了该方法的重建精度显著优于现有技术。

Abstract

Scene motion, multiple reflections, and sensor noise introduce artifacts in the depth reconstruction performed by time-of-flight cameras. We propose a two-stage, deep-learning approach to address all of these sources of artifacts simultaneously. We also introduce FLAT, a synthetic data

time-of-flight cameras two-stage deep-learning approach artifact reduction flat dataset reconstruction errors

发现论文，激发创造

RADU: 面向飞行时间 ToF 数据降噪的射线对齐深度更新卷积操作

本文提出了一种迭代去噪方法，使用 2.5D 数据训练 3D 卷积操作以纠正点沿视角方向的位置，并使用自训练方法在标记数据稀缺的情况下在未标记的真实数据上进行训练，实验表明，该方法能够在多个数据集上胜过 SOTA 方法。

Nov, 2021

间接飞行时间数据的非直接视线成像 (NIGHT)

该研究论文以仅使用普通光时间飞行传感器的数据，而无需额外硬件需求，首次提出了利用深度学习模型来处理摄像机视线之外的物体获取问题，并通过构建注释的训练数据，轻松处理光反射并恢复隐藏场景的深度信息，同时演示了该想法的可行性。

Mar, 2024

深度端到端匹配和细化用于时差自动调焦 RGB-D 模块

本文提出了一种基于深度学习的框架，用于对移动 RGB 相机配备的飞行时间（ToF）传感器进行在线校准和对齐以及复杂误差校正。通过将 RGB 图像和 ToF 幅度图之间进行交叉模态光流估计以进行对齐，并通过一个改进的内核预测网络直接回归时间飞行深度进行深度精修。通过计算机图形学的方法，我们还合成了一个数据集，为数据的端到端训练提供更多丰富的信息。实验结果表明，本文提出的方法在 ToF 精修方面取得了最先进的效果。

Sep, 2019

TöRF：用于动态场景视图合成的飞行时间辐射场

本研究提出了一种基于连续波 ToF 相机的神经表征模型，改进了动态场景的重建质量及鲁棒性，讨论了将 RGB+ToF 传感器集成到现代智能手机上的益处和局限性。

Sep, 2021

3D 时间飞行相机的噪音特性

本文探讨基于 TOF 相机技术利用调制光源传递距离图的实验，提出可解释一些观察到现象的噪声模型，该模型基于假设噪声源与光源相关以及另外的添加噪声源，成功预测了距离误差依赖于图像强度和个别像素处真实距离的相关性。

May, 2007

iToF2dToF：一种鲁棒且灵活的数据驱动时飞行成像表示方法

本文探讨了间接飞行时间（iToF）相机等深度感知技术，提出一种名为 iToF2dToF 的方法，通过插值 / 外推 iToF 频率来估计瞬态图像，并演示其在实际深度感知场景中的优势。

Mar, 2021

StofNet: 超分辨率飞行时间网络

利用现代超分辨率技术，本研究提出了一种可靠且精确的 ToF 检测方法，通过结合超分辨率和高效的残差收缩块，平衡了精细信号细节和大尺度上下文信息，并对 ToF 进行了与六种先进方法的基准比较，结果显示了我们提出的 StofNet 在精度、可靠性和模型复杂性方面的卓越性能。

Aug, 2023

用于抑制 TOF 传感器中多径干扰的光传输模型

本文提出了一种结合时序相位测量与光线传输方程的方法来校正多径干涉，有效地提高了基于时差测量的 TOF 摄像机深度测量的精度。

Jan, 2015

Mask-ToF: 时间飞行成像中学习微透镜掩模进行飞行像素纠正

通过学习亚像素级的遮挡掩码来消除 ToF 深度捕捉中的飞行像素，提出了 Mask-ToF 方案，它通过卷积神经网络解码空间几何信息从而产生高保真、低飞行像素深度重建。

Mar, 2021

DeepToF：即插即用的飞行时间成像多径干扰实时校正

本文基于卷积神经网络和自编码器的方法，提出了不需要对相机进行修改即可校正多径干扰导致深度估计误差的技术，并通过大量数据的训练和模拟实验验证了该方法的可行性。

May, 2018