Apr, 2023

利用神经场进行散射介质的高分辨率光吸收层析重建

PDF
TL;DRNeuDOT 是一种全新的散射光学层析成像方法，基于神经场理论将光学吸收量连续编码到体积内，实现高精度、高分辨率成像，适用于医学成像、遥感和自动驾驶等领域。
diffuse optical tomographyneural fieldsmedical imagingremote sensingautonomous driving
发现论文，激发创造
  • 基于神经场的单视角折射率层析成像

    逆问题中，我们试图从二维投影图像测量中重构场景的三维折射场，为此我们引入了一种使用基于坐标的神经网络对场景中的连续折射场进行建模的方法，并通过分析合成方法优化该网络的参数，以实现对折射场的重建。

    Sep, 2023

  • 神经瞬态场非直视成像

    提出了一种基于神经建模的非直视成像框架，采用多层感知器（MLP）来表示神经瞬态场（NeTF），并引入 Monte Carlo 技术来提高重建的鲁棒性和细节保留。实验结果表明，该方法在合成和实际数据集上提供了更高质量的重建并保留了先前方法中缺失的细节。

    Jan, 2021

  • NeTO: 自遮挡感知的折射追踪技术用于透明物体的神经重建

    NeTO 是一种通过体积渲染的，利用带有自遮挡感知的折射光线跟踪优化带隐式符号距离函数（Signed Distance Function）表面表示的方法，能够重建高质量的透明物体三维图像，且在正确重建自遮挡区域方面表现优异。

    Mar, 2023

  • 使用神经场从离散的仅强度测量中恢复连续的三维折射率图

    DeCAF 是首个基于神经场的 IDT 方法，通过使用 IDT 前向模型直接从测试样本的测量中学习连续的折射率表征，可以生成高对比度和无伪影的折射率图像，并且可以比现有方法减少 MSE 高达 2.1 倍。

    Nov, 2021

  • 强光散射混浊层中的非侵入性非线性成像

    本文介绍了一种通过利用光学非线性性形成一个狭缝点来实现高分辨率成像技术的方法，该方法可用于高度散射的生物样本中的二光子荧光显微镜成像。

    May, 2014

  • 视觉层析：部分半透明物体的物理准确体积模型

    从真实世界数据中忠实地创建的数字 3D 物体表示可以用于人工或计算机辅助分析，同时可以用于生成难以获取或缺乏训练数据的机器学习方法的训练数据，本文提出了一种用于获取包括半透明物体内部的物理模型的体积重建方法，通过在明亮的白光源前以不同角度拍摄物体并计算每个体素的吸收和散射来解决可视化层析成像问题，此外，还提出了一种将非物理 NeRF 媒体转换为基于物理的体积网格的方法，并通过两个真实的浮游生物验证集展示了该方法的有用性，最终还将实验室扫描的模型重新光照并虚拟地浸入带有增强介质和照明条件的场景中。

    Dec, 2023

  • 基于神经基础材料场的射线驱动的光谱 CT 重建

    基于神经场表示的光谱 CT 重建方法，使用完全隐式函数来建立基础材料的神经场参数化模型，并利用深度学习的自动微分框架解决隐式连续函数，该方法在光谱 CT 重建中表现极佳，并满足高分辨率重建图像的要求。

    Apr, 2024

  • 通过散射层和角落的散斑相关实现非侵入式实时成像

    利用散射光的单张图像在不需激光和时间门控检测的情况下，通过电脑摄像头来实现透过散射介质和检测散射光在物体周围的成像。

    Mar, 2014

  • 散射介质中使用相位场的非直视成像

    非直视成像通过利用相位场来重建浸泡在散射介质中的复杂场景，对面临挑战的情况如散射媒体中的场景进行了实证分析，并将该方法应用于真实场景，表明其与最新的弥散光学层析成像方法性能相似。

    Aug, 2023

  • 浑浊介质中的事件驱动成像：光电子学和神经形态计算的融合

    通过一种新的光学计算方法，使用神经形态计算方法以人脑视觉为灵感，从密集混浊介质中的散射光中重建图像，实现在浑浊条件下的图像复原。

    Sep, 2023