Neural Volumetric Reconstruction for Coherent Synthetic Aperture Sonar

要約

合成開口ソナー (SAS) は、再構成された画像の解像度を高めるために、複数のビューからシーンを測定します。
SAS の画像再構成方法は、測定値をコヒーレントに組み合わせて音響エネルギーをシーンに集中させます。
ただし、画像形成は通常、測定数が限られており、ハードウェアの帯域が制限されているため、制約が不十分であり、既存の再構成方法の機能が制限されます。
これらの課題に対処するために、ニューラル レンダリングの最近の進歩を活用してコヒーレントな SAS イメージングを実行する、合成による分析の最適化を設計します。
最適化により、物理ベースの制約と事前シーンを画像形成プロセスに組み込むことができます。
私たちは、空気と水の両方で得られたシミュレーションと実験結果に基づいて方法を検証します。
我々は、我々の方法が通常、既存のアプローチよりも優れた再構成を生成することを定量的および定性的に実証します。
再現性を高めるためにコードとデータを共有します。

要約(オリジナル)

Synthetic aperture sonar (SAS) measures a scene from multiple views in order to increase the resolution of reconstructed imagery. Image reconstruction methods for SAS coherently combine measurements to focus acoustic energy onto the scene. However, image formation is typically under-constrained due to a limited number of measurements and bandlimited hardware, which limits the capabilities of existing reconstruction methods. To help meet these challenges, we design an analysis-by-synthesis optimization that leverages recent advances in neural rendering to perform coherent SAS imaging. Our optimization enables us to incorporate physics-based constraints and scene priors into the image formation process. We validate our method on simulation and experimental results captured in both air and water. We demonstrate both quantitatively and qualitatively that our method typically produces superior reconstructions than existing approaches. We share code and data for reproducibility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google