Görüş Alanı Dışı Görüntülemede İlerleme Kaydedildi

Wisconsin-Madison Üniversitesi ve İspanya Zaragoza Üniversitesi bilimcilerinden oluşan bir ekip, köşelerin ilerisini görmeyi sağlayan bir “sanal kamera” kullanarak, karmaşık görselleştirme..
Görsel Telif: Xiaochun Liu et al.

Wisconsin-Madison Üniversitesi ve İspanya Zaragoza Üniversitesi bilimcilerinden oluşan bir ekip, köşelerin ilerisini görmeyi sağlayan bir “sanal kamera” kullanarak, karmaşık görselleştirme yapılabildiğini ortaya koydu. Teknolojiyi tanımlayan makale Nature dergisinde yayımlandı.

Araştırmacıların “görüş alanı dışı görüntüleme – GADG” (İng. non-line-of-sight imaging – NLOS) adını verdikleri teknolojinin geliştirilmesi için son yıllarda yoğun çalışmalar sürdürülüyordu. Ancak teknik güçlükler nedeniyle bulanık görüntüler elde edilebiliyordu. Yeni makalede tanımlanan yeni yaklaşımlar sayesinde, çok daha ayrıntılı görüntü alınması, birden fazla sayıda köşenin ilerisinin görüntülenmesi ve video çekimi olanak kazandı.

Ekipten Andreas Velten, görüş alanı dışı görüntülemedeki temel fikrin, yansıyan ışıktan yani bir nevi ışık yankısından yararlanarak, görülemeyen bir yere ait görüntü oluşturulması olduğunu belirtiyor. Binlerce lazer atımından çıkan fotonlar bir duvardan veya başka bir yüzeyden yansıyarak, görüş alanı dışında kalan yere ulaşır ve oradan yansıyan dağınık ışık, kameraya bağlanan sensörlere geri sıçrar. Yeniden yakalanan ışık parçacıkları yani fotonlar, görülemeyen yerin üç boyutlu görüntüsünü oluşturmak için dijital olarak yeniden yapılandırılır. Bir yüzeye ışık atımları gönderdiklerini ve geri gelen ışığa bakıp, görülemeyen yerdeki görüntüyü oluşturduklarını söylüyor Velten.

Ekibin geliştirdiği yeni yöntem, tek bir yeniden yapılandırma algoritmasının kullanımını aşıyor ve benzersiz avantajlar sunan yeni bir görüntüleme algoritmaları sınıfı tanımlıyor. Bu algoritmalar, Rayleigh–Sommerfeld kırınım integrali adlı dalga kırınım integralinin çözülmesine dayanıyor. Ekipten Diego Gutierrez, geleneksel sistemlerin dağılmış ışığı dalga olarak yorumladığını ve iyi bilinen matematiksel dönüşümleri uygulayarak, ışık dalgalarını görüntülere çevirdiğini hatırlatıyor. Görüş alanı dışı görüntülemede, herhangi bir duvar, bir sanal kameraya dönüştürülmüş oluyor. Yani problemi bir sanal dalga alanında (fazör alanında), çizgisel kırınımlayıcı dalga yayılımına (İng. linear diffractive wave propagation) dayalı olarak, dalgalar kullanarak ifade etmiş oluyorlar.

2019 yılının CVPR (İng. Computer Vision and Pattern Recognition; Bilgisayar Görüşü ve Örüntü Tanıması) konferansı, 16-20 Haziran tarihleri arasında Kaliforniya’da gerçekleştirildi. Çok sayıda teknolojik çalışmanın ayrıntılarının paylaşıldığı etkinlikte, GADG (görüş alanı dışı görüntüleme) konusunda da beş farklı ekip tarafından sunum yapıldı.

1. Hacimsel Aklığın Ötesi — GADG İçin Bir Yüzey Optimizasyon Çerçevesi

Öz: GADG, bir sensörün görüş alanı dışındaki bir görünümün özelliklerinin, aradaki dağınık yansımalar yoluyla doğrudan olmayan bir şekilde sensöre gelen ışığın ölçümleri kullanılarak yeniden-yapılandırılması problemidir. Biz, GAD bir nesnenin karmaşık şeklini ve yansımasını yeniden yapılandırabilen bir “sentez yoluyla analiz” çerçevesi sunuyoruz. Çerçevemiz, yaygın olarak kullanılan hacimsel temsiller yerine GAD nesnenin bir yüzey temsili için doğrudan optimizasyon yapmasıyla, GAD yeniden-yapılandırma üzerine daha önce yapılmış olan çalışmaların dışına çıkıyor. Çerçevemizin merkezinde, altta yatan ışık taşınım fiziğini hatasız modellerken, GAD geometrisi ve yansımaya göre radyometrik ölçümlerin türevlerini verimli şekilde hesaplayan yeni bir görselleştirme formülasyonu bulunuyor. Bunu, stokastik optimizasyon ve geometri işleme teknikleri ile birleştirerek, eski hacimsel yeniden-yapılandırma yöntemleriyle mümkün olanı önemli ölçüde aşan bir ayrıntı düzeyinde, GAD yüzeyi yeniden yapılandırabildik. (Beyond Volumetric Albedo — A Surface Optimization Framework for Non-Line-Of-Sight Imaging © Chia-Yin Tsai, Aswin C. Sankaranarayanan, Ioannis Gkioulekas)

2. Akustik GADG

Öz: GADG, aralarında robotik ve makine görüşü, uzaktan algılama, otonom araç navigasyonu ve tıbbi görüntülemenin de olduğu geniş bir yelpazedeki uygulamalarda emsalsiz becerileri mümkün kılmaktadır. Bu zorlayıcı problemi çözmedeki son yaklaşımlar, çok duyarlı zaman-ayrımlı foto-algıçları ve ultra-hızlı atımlı lazerleri kapsayan optik uçuş-süresi görüntüleme sistemlerine başvurmaktadır. Ancak, bu sistemler kullanılarak GADG’de elde edilen yakın tarihli başarılara rağmen, teknolojinin geniş çaplı yerleşmesi ve benimsenmesi, özel ve pahalı donanım gerekmesinden ötürü zor olmayı sürdürmüştür. Biz, çoğu optik sistemden kat-be-kat daha ucuz olan ve son teknoloji ürünü optik yöntemlere kıyasla daha kısa alış süresiyle daha uzun erimli gizli (görülemeyen) 3D geometri yakalayan akustik GADG’yi sunuyoruz. Radarda kullanılan donanım düzeneklerinden ve sismik görüntüleme çalışmalarında geliştirilen dalga-temelli görüntü oluşturma modellerini modellemek ve çevirmek için kullanılan algoritmik yaklaşımlardan esinlenerek, köşelerin ötesini görmek için yeni bir yaklaşım ortaya koyuyoruz. (Acoustic Non-Line-Of-Sight Imaging © David B. Lindell, Gordon Wetzstein, Vladlen Koltun)

3. Kararlı Durumlu GADG

Öz: Alışılmış yeğinlik kameraları, kameranın doğrudan görüş alanında bulunan nesneleri alırken, bu süreçte görünümdeki önü kapalı kısımlar alınamaz. GADG, görünür yüzeyler üzerindeki dağınık yansımayı çözümleyerek, bu nesneleri da almayı amaçlar. Varolan GADG yöntemleri dolaylı ışık taşınımını zamansal yoklamasıyla, yolculuk sürelerine dayalı olarak ışık yollarını ayrıştırır ki bu da düşük foton verimliliği, yüksek maliyet ve mekanik taramadan muzdarip olan özel alet-edevatı zorunlu kılar. Biz zamansal yoklamanın ötesine geçiyoruz ve alışılmış yeğinlik sensörleri ve sürekli aydınlatma kullanarak kararlı-durumlu GADG sunuyoruz. Kusursuz izotropik saçılma varsaymak yerine, önerilen yöntem, değişen aydınlatma için dolaylı yansımaların (küçük) uzaysal farklılıklarına yol açan gizli (görülemeyen) yüzey yansımasındaki dolaylılıktan yararlanıyor. Bu farklılıkların şekle-bağlılığı ile başa çıkmak için eğitilebilir bir mimari öneriyoruz; sadece sentetik eğitim verileri kullanarak, dağınık dolaylı yansımaları görünüm yansımasına haritalamayı öğreniyor. Yüksek dolum faktörlü, yüksek kuantum verimlilikli ve düşük okuma gürültülü tüketici tenkli görüntü sensörlerine dayanarak, önceden pikosaniye zaman çözünürlüğünde kalan görünüm kofigürasyonları için yüksek kalite renkli GADG sunuyoruz. (Steady-State Non-Line-Of-Sight Imaging © Wenzheng Chen, Simon Daneau, Fahim Mannan, Felix Heide)

4. GAD Şekil Yeniden-Yapılandırımı İçin Bir Fermat Yolları Kuramı

Öz: Bilinen bir görünür manzara ile bir geçiş (İng. transient) kamerasının görüş alanında olmayan bilinmeyen bir nesne arasında bulunan ışığın Fermat yollarının yeni bir kuramını sunuyoruz. Bu ışık yolları ya düzgün yansıma yapar ya da başka bir nesnenin sınırından yansır ve böylece gizli (görülemeyen) nesnenin şeklini kodlar. Fermat yollarının, geçiş ölçümlerindeki süreksizliklere karşılık geldiğini kanıtlıyoruz. Ardından, bu süreksizliklerde yol uzunluklarının uzaysal türevlerini, yüzey normaline (yüzeye dik açıya) bağlantılandıran yeni bir kısıt türetiyoruz. Bu kurama dayanarak, GAD nesnenin şeklini tahmin etmek için Fermat Akışı (İng. Fermat Flow) adını verdiğimiz bir algoritma sunuyoruz. Yöntemimiz ilk kez olarak, hem bir dağıtıcının arkasında saklı kalan, hem de bir köşenin ilerisinde saklı kalan karmaşık nesnelerin şeklinin hatasız bir şekilde alınmasına olanak tanıyor. Son olarak, yaklaşımımız geçiş görüntüleme için kullanılan özgün teknoloji için bilinemezcidir (agnostik). Bu bakımdan, girişimölçümü (interferometri) kullanarak femto-saniye ölçekli geçişlerden mikron-ölçekli yeniden yapılandırımın yanı sıra, bir SPAD ve ultra-hızlı lazer kullanarak piko-saniye ölçekli geçişlerden mm-ölçekli şekil alımı da sunuyoruz. Çalışmamızın GADG’deki son teknolojilerde önemli bir ilerleme olduğunu düşünüyoruz. (A Theory of Fermat Paths for Non-Line-Of-Sight Shape Reconstruction © Shumian Xin, Sotiris Nousias, Kiriakos N. Kutulakos, Aswin C. Sankaranarayanan, Srinivasa G. Narasimhan, Ioannis Gkioulekas)

5. GAD Ölçümlerde Özellik Görünürlüğü Analizi

Öz: Genel bir GADG ölçümü tanımlayan bir eşitlik formüle ediyoruz ve kodladığı görünümün uzaysal frekanslarına ilişkin olarak, Fourier alanında ölçümün özelliklerini çözümlüyoruz. Sonlu büyüklükte bir aktarım duvarı için bazı görünüm konfigürasyonlarının ve özelliklerinin bir GADG ölçümünde algılanabilir olmadığı sonucuna varıyoruz. Ardından, görülemeyen görünüm özelliklerinin ve yeniden yapılandırımlarının deneysel örneklerinin yanı sıra, kötü konumlanmış bir GADG problemine yol açan örnek görünümle kümesi sunuyoruz. (Analysis of Feature Visibility in Non-Line-Of-Sight Measurements © Xiaochun Liu, Sebastian Bauer, Andreas Velten)

Kaynak ve İleri Okuma

Etiket
  • Projelerimizde bize destek olmak ister misiniz?
  • Dilediğiniz miktarda aylık veya tek seferlik bağış yapabilirsiniz.
  • Destek Ol
Yorum Yap (0 )

Yorum yapabilmek için giriş yapmalısınız.

Bunlar da ilginizi çekebilir

Bağış Yap, Destek Ol!
Projelerimizde bize destek olmak isterseniz,
Patreon üzerinden
bütçenizi zorlamayacak şekilde aylık veya tek seferlik bağışta bulunabilirsiniz.
E-Bülten Üyeliği
Duyurulardan e-posta ile
haberdar olmak istiyorum.
Reklam Reklam Ver
Arşiv