Nov, 2023

光谱极化视觉：光谱极化实际数据集

PDF
TL;DR提出了两个新的光谱极化数据集：三色 Stokes 图像和高光谱 Stokes 图像。这些数据集包含线性和圆偏振；引入了多个光谱通道；并且具有广泛选择的真实世界场景。通过这些数据集，分析了光谱极化图像的统计特性，发展了高维数据的有效表示方式，并评估了形态 - 来自 - 极化方法的光谱依赖性。该数据集为数据驱动的光谱极化成像和视觉研究奠定了基础。数据集和代码将公开提供。
发现论文，激发创造
  • 极化成像技术在感知领域的应用

    本文中，我们分析了使用 RGB 偏振相机相比 RGB 相机在感知任务中的潜在效果，并探讨了深度神经网络的应用，研究表明，使用 RGB 偏振相机可以在双目深度估计和自由空间检测方面实现可量化的改进，同时，我们还提出了一种新的数据集，为感知算法的发展提供了支持。

    May, 2023

  • Pola4All：极化应用调查和开源工具包分析极化

    偏振成像在计算机视觉和场景理解任务中可以提供丰富的线索，如物料类型、姿态和物体形状。本文回顾了涉及偏振成像的应用的最新进展，并介绍了一个完整的软件工具包，用于与市场上大多数现有微网偏振相机进行通信和处理信息。

    Dec, 2023

  • 具有有限数据的光度挑战物体的多模态六自由度姿态估计的偏振信息

    利用极化信息的监督学习方法以及借助物理特性的自监督学习方法取得重要进展，通过利用极化光的几何信息和引入形状先验知识和可逆物理约束来提高姿态估计的准确性。

    Aug, 2023

  • 深度极化成像应用于三维形状和 SVBRDF 获取

    本文提出了一种使用偏振线索高效获取物体形状和空间变化反射的新方法，其中偏振成像与深度学习相结合，可以在正面闪光照射下使用单视角偏振成像实现高质量估计物体形状和反射。

    May, 2021

  • 极化姿态预测

    本文探讨了光的偏振信息对单目 6D 物体姿态预测准确性的影响，并设计了一种混合模型，该模型将物理先验与数据驱动的学习策略结合起来，在不同光度复杂度的物体上进行了仔细的测试。实验结果表明，与现有的光度测量方法相比，我们的设计显著提高了姿态准确性，并能够实现高反射和透明物体的姿态估计。同时，我们还引入了一个新的多模式 6D 物体姿态数据集作为基准。

    Dec, 2021

  • POLAR Traverse 数据集：极端光照条件下模拟月球极地地形穿越的立体相机图像数据集

    通过极地光照条件下的高保真度立体成对图像的 POLAR Traverse 数据集，模拟直线移动并记录不同相机高度和倾斜度的遍历图像，旨在开发和测试依赖立体或单眼相机图像的软件算法（如视觉里程计）在月球极地环境中的应用，并提供月球极地区域预期光照条件的洞察。

    Mar, 2024

  • 神经光谱偏振场

    本文提出了一种名为 NeSpoF 的神经表征，用于建模光谱偏振场，可展现光谱和极化特性，同时对现实世界中的场景进行了多视角高光谱偏振成像。

    Jun, 2023

  • 多源融合合成高光谱数据集的高光谱空间分辨率提升

    本研究介绍了一个合成高光谱数据集，通过高光谱和高空间分辨率成像实现观测场景或物体的全面、准确、详细的表示，强调多模态融合在生成高质量合成高光谱数据集中的重要性，以及光谱 - 空间关系的改善对于各个领域的分析、监测和决策的影响。

    Jun, 2023

  • 基于数据驱动的光谱重建的局限性 -- 一种光学感知分析

    通过对 RGB 图像进行数据驱动的光谱重建方法的分析，我们发现当前模型在噪声、压缩和变色上存在限制，然而，通过异色数据增强和光学镜头像差可以提高 RGB 图像对色差信息的编码，从而带来更高性能的光谱成像和重建方法。

    Jan, 2024

  • 道路场景分析的物理可信偏振数据增强

    本文提出使用基于深度生成模型的图像翻译技术 CycleGAN 来将大型标记路景数据集转换到极化领域，通过一些附加损失项来处理极化图像的物理约束条件，从而实现在道路场景的物体检测任务中提高汽车和行人检测的性能高达 9％的目标，该方法已经公开发布以供其他人使用。

    Jun, 2022