Mar, 2021

iToF2dToF：一种鲁棒且灵活的数据驱动时飞行成像表示方法

PDF
TL;DR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。
indirect time-of-flight camerasdenoisingmulti-path interferencedata-driven methodstransient image
发现论文，激发创造
  • 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

  • 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

  • 基于极化飞行时间法的散射介质高保真度深度测量

    本文提出了一种极化 iToF 成像方法，可以通过散射介质强有力地捕获深度信息，通过散射分析而估计出参与介质中的散射能量，我们的方法通过散射模型和极化相位测量，优于基线方法。

    Jun, 2023

  • 野外豆腐：在挑战环境下通过 RGB 融合提高间接飞行时间深度的范围和质量

    本文提出了一种新的基于学习的端到端深度预测网络，该网络采用多步方法对噪声原始 I-ToF 信号以及 RGB 图像进行融合，以预测与 RGB 视点对齐的高质量远程深度图。在挑战性的现实场景中测试我们的方法，与基线方法相比，最终深度图的 RMSE 提高了 40% 以上。

    Dec, 2021

  • 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

  • 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

  • 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

  • MPI 基于脉冲时间飞行相机的平面校正

    利用特征金字塔网络 (FPN) 缓解脉冲型 Time-of-Flight (ToF) 相机中的多径干扰问题。

    Dec, 2023

  • 多模态神经辐射场对于带有轻量化 ToF 传感器的单目密集 SLAM

    通过使用轻量级 ToF 传感器的信号，结合多模式隐式场景表示、粗糙到精细的优化策略和时间信息处理，该研究提出了一种用于相机追踪和稠密场景重建的稀疏光准测距技术，取得了良好的结果。

    Aug, 2023

  • 极具高效能的神经时飞

    该论文提出了一种学习方法，通过专用 ToF 相机收集的数据集，能够实现低曝光时间下的高效率深度图像获取，从而解决传统 ToF 相机的能耗和性能之间的矛盾。

    Dec, 2018