Los puntos clave no están disponibles para este artículo en este momento.
La imagen a través de la niebla es valiosa para muchas áreas, como la conducción autónoma y la exploración cósmica. Sin embargo, debido a la influencia de la fuerte retrodispersión y la reflexión difusa generadas por la densa niebla en las correlaciones temporales y espaciales de los fotones que regresan del objeto objetivo, la calidad de reconstrucción de la mayoría de los métodos existentes se reduce significativamente bajo condiciones de niebla densa. En este estudio, describimos el proceso de imagen de dispersión óptica y proponemos un método de Transformador Swin impulsado por la física que utiliza principios de Tiempo de Vuelo (ToF) y Aprendizaje Profundo para mitigar los efectos de dispersión y reconstruir objetivos en condiciones de niebla densa heterogénea. Los resultados sugieren que, a pesar de la disminución exponencial en el número de fotones balísticos a medida que aumenta el grosor óptico de la niebla, el método de Transformador Swin impulsado por la Física demuestra un rendimiento satisfactorio en la imagen de objetivos oscurecidos por una densa niebla. Es importante señalar que este artículo destaca que incluso en experimentos de imagen en niebla densa con un grosor óptico que alcanza hasta 3.0, lo que supera estudios anteriores, métricas de evaluación cuantitativa comúnmente utilizadas como PSNR y SSIM indican que nuestro método es de vanguardia en la imagen a través de niebla densa.
Jin et al. (mar), estudiaron esta cuestión.