计算成像论文速递 | ICCV 2023, Learned Compressive Representations for Single-Photon 3D Imaging

注1:本文系“最新论文速览”系列之一,致力于简洁清晰地介绍、解读最新的顶会/顶刊论文

本文提出了一种基于学习的压缩表示法,用于单光子3D成像的直方图张量。主要观点如下:

• 问题背景:

  • 单光子3D相机可以以皮秒级精度记录到达的数十亿个光子每秒。
  • 一种常见方法是为每个像素构建时间戳直方图,形成一个编码距离的3D直方图张量。
  • 随着分辨率的提高,直方图张量的内部存储器需求和输出数据速率快速增加,导致图像传感器和图像信号处理器之间出现瓶颈。
    

• 方法概述:

  • 为直方图张量构建线性压缩表示,可以高效地在线计算,表达为简单的矩阵运算。
  • 不构建每个像素的时间戳直方图,而是对局部3D直方图块构建压缩直方图。
  • 每个时间戳的线性投影可以表示为与预设计编码张量的内积。
  • 压缩直方图可以大大减少内部存储器需求和数据速率。