StreakNet-Arch: An Anti-scattering Network-based Architecture for Underwater Carrier LiDAR-Radar Imaging

要約

この論文では、散乱抑制とリアルタイム イメージングの限界に対処するために、水中輸送体 LiDAR レーダー (UCLR) イメージング システム用に設計された新しい信号処理アーキテクチャである StreakNet-Arch を紹介します。
StreakNet-Arch は信号処理をリアルタイムのエンドツーエンドのバイナリ分類タスクとして定式化し、リアルタイムの画像取得を可能にします。
これを達成するために、私たちはセルフ アテンション ネットワークを活用し、従来の方法のパフォーマンスを超える新しいダブル ブランチ クロス アテンション (DBC-Attention) メカニズムを提案します。
さらに、学習されたバンドパス フィルターとして効果的に機能する、ストリーク チューブ カメラ画像をアテンション ネットワークに埋め込む方法を提案します。
さらなる研究を促進するために、私たちは公的に利用可能なストリーク チューブ カメラ画像データセットを提供します。
データセットには、2,695,168 個の実世界の水中 3D 点群データが含まれています。
これらの進歩により UCLR 機能が大幅に向上し、水中イメージング作業におけるパフォーマンスと適用性が向上します。
ソース コードとデータセットは https://github.com/BestAnHongjun/StreakNet にあります。

要約(オリジナル)

In this paper, we introduce StreakNet-Arch, a novel signal processing architecture designed for Underwater Carrier LiDAR-Radar (UCLR) imaging systems, to address the limitations in scatter suppression and real-time imaging. StreakNet-Arch formulates the signal processing as a real-time, end-to-end binary classification task, enabling real-time image acquisition. To achieve this, we leverage Self-Attention networks and propose a novel Double Branch Cross Attention (DBC-Attention) mechanism that surpasses the performance of traditional methods. Furthermore, we present a method for embedding streak-tube camera images into attention networks, effectively acting as a learned bandpass filter. To facilitate further research, we contribute a publicly available streak-tube camera image dataset. The dataset contains 2,695,168 real-world underwater 3D point cloud data. These advancements significantly improve UCLR capabilities, enhancing its performance and applicability in underwater imaging tasks. The source code and dataset can be found at https://github.com/BestAnHongjun/StreakNet .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google