論文の概要: Robust Perceptual Night Vision in Thermal Colorization

• arxiv url: http://arxiv.org/abs/2003.02204v1
• Date: Wed, 4 Mar 2020 17:17:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 12:43:32.750612
• Title: Robust Perceptual Night Vision in Thermal Colorization
• Title（参考訳）: 熱着色におけるロバストな暗視
• Authors: Feras Almasri, Olivier Debeir
• Abstract要約: 対象は1つのスペクトルに現れるが、別のスペクトルには必ずしも現れず、1つの対象の熱的シグネチャは、その可視性表現において異なる色を持つかもしれない。 これにより、熱から可視画像への直接マッピングが不可能になる。 熱画像のスペクトルから低周波空間における可視表現に熱的シグネチャをマッピングする深層学習法を提案する。
• 参考スコア（独自算出の注目度）: 1.1709244686171956
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transforming a thermal infrared image into a robust perceptual colour Visible image is an ill-posed problem due to the differences in their spectral domains and in the objects' representations. Objects appear in one spectrum but not necessarily in the other, and the thermal signature of a single object may have different colours in its Visible representation. This makes a direct mapping from thermal to Visible images impossible and necessitates a solution that preserves texture captured in the thermal spectrum while predicting the possible colour for certain objects. In this work, a deep learning method to map the thermal signature from the thermal image's spectrum to a Visible representation in their low-frequency space is proposed. A pan-sharpening method is then used to merge the predicted low-frequency representation with the high-frequency representation extracted from the thermal image. The proposed model generates colour values consistent with the Visible ground truth when the object does not vary much in its appearance and generates averaged grey values in other cases. The proposed method shows robust perceptual night vision images in preserving the object's appearance and image context compared with the existing state-of-the-art.
• Abstract（参考訳）: 熱赤外画像を頑健な知覚色の可視画像に変換することは、スペクトル領域と物体の表現の違いによる不適切な問題である。 対象は1つのスペクトルに現れるが、別のスペクトルには必ずしも現れず、1つの対象の熱的シグネチャは、その可視性表現において異なる色を持つかもしれない。 これにより、熱から可視画像への直接マッピングが不可能になり、特定の物体の色を予測しながら、熱スペクトルに捕獲されたテクスチャを保存するソリューションが必要になります。 本研究では,熱画像のスペクトルからその低周波空間における可視表現への熱署名をマッピングする深層学習手法を提案する。 次に、予測された低周波表現と熱画像から抽出された高周波表現とをマージするパンシャープニング法を用いる。 提案モデルは,物体の外観があまり変化しない場合,可視的地盤真理と一致する色値を生成し,他のケースでは平均的な灰色値を生成する。 提案手法は、既存の最先端技術と比較して、物体の外観や画像のコンテキストを保ちながら、頑健な暗視画像を示す。

関連論文リスト

• ThermalNeRF: Thermal Radiance Fields [32.881758519242155]
  LWIRとRGB画像の集合からシーン再構築のための統一的なフレームワークを提案する。 我々は、前処理のステップとして、RGBと赤外線カメラを互いに調整する。 提案手法は,RGBや熱チャネルに隠された物体を視覚的に除去すると共に,超高分解能な熱分解能を有することを示す。
  論文  参考訳（メタデータ） (2024-07-22T02:51:29Z)
• Colorizing Monochromatic Radiance Fields [55.695149357101755]
  単色放射光場からの再現色を,ラボ色空間における表現・予測課題として検討する。 まず、単色画像を用いて輝度と密度の表現を構築することにより、画像色化モジュールに基づいて色表現を再現できる。 次に、輝度、密度、色を表現することで、カラフルな暗黙のモデルを再現する。
  論文  参考訳（メタデータ） (2024-02-19T14:47:23Z)
• Breaking Modality Disparity: Harmonized Representation for Infrared and Visible Image Registration [66.33746403815283]
  シーン適応型赤外線と可視画像の登録を提案する。 我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。 我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
  論文  参考訳（メタデータ） (2023-04-12T06:49:56Z)
• Learning Domain and Pose Invariance for Thermal-to-Visible Face Recognition [6.454199265634863]
  本稿では、ドメインを同時に学習し、不変表現をポーズする新しいドメイン・アンド・ポース不変フレームワークを提案する。 提案フレームワークは,オフポジション熱画像と正面可視顔画像から最も相関の深い中間表現を抽出するための改良されたネットワークで構成されている。 DPIFは,前頭部のサーマルフェース画像と前頭部のサーマルフェース画像とをマッチングする際に,DPIFが性能を向上させることも示している。
  論文  参考訳（メタデータ） (2022-11-17T05:24:02Z)
• Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
  本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。 本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。 一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
  論文  参考訳（メタデータ） (2022-10-09T13:50:12Z)
• T2V-DDPM: Thermal to Visible Face Translation using Denoising Diffusion Probabilistic Models [71.94264837503135]
  本稿では,熱可視(T2V)画像翻訳のための解法として,DDPM(Denoising Diffusion Probabilistic Model)を提案する。 トレーニング中、モデルは、対応する熱画像から可視像の条件分布を学習する。 複数のデータセットで最先端の結果が得られます。
  論文  参考訳（メタデータ） (2022-09-19T07:59:32Z)
• A Novel Registration & Colorization Technique for Thermal to Cross Domain Colorized Images [15.787663289343948]
  本稿では,複数のサーマルイメージを用いた画像の新規登録手法を提案する。 熱プロファイルの情報を出力の一部として保持し,両領域の情報を協調的に提供する。
  論文  参考訳（メタデータ） (2021-01-18T07:30:51Z)
• A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
  DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。 395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。 本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
  論文  参考訳（メタデータ） (2021-01-07T17:17:12Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-01T09:59:09Z)
• Unsupervised Image-generation Enhanced Adaptation for Object Detection in Thermal images [4.810743887667828]
  本稿では、熱画像における物体検出のための教師なし画像生成拡張適応法を提案する。 可視領域と熱領域のギャップを低減するため,提案手法は擬似熱画像を生成する。 提案手法の有効性と優位性を示す実験を行った。
  論文  参考訳（メタデータ） (2020-02-17T04:53:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。