論文の概要: Night-time Scene Parsing with a Large Real Dataset

• arxiv url: http://arxiv.org/abs/2003.06883v3
• Date: Fri, 1 Apr 2022 05:40:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-23 09:04:59.241257
• Title: Night-time Scene Parsing with a Large Real Dataset
• Title（参考訳）: 大規模実データを用いた夜間シーン解析
• Authors: Xin Tan and Ke Xu and Ying Cao and Yiheng Zhang and Lizhuang Ma and Rynson W.H. Lau
• Abstract要約: 我々は,夜間シーン解析(NTSP)の問題に対処することを目指しており,主な課題が2つある。 夜間データの不足に対処するため、実夜間画像4,297枚からなる新しいラベル付きデータセット、NightCityを収集した。 また,NTSP問題に対処するための露出認識フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 67.11211537439152
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although huge progress has been made on scene analysis in recent years, most existing works assume the input images to be in day-time with good lighting conditions. In this work, we aim to address the night-time scene parsing (NTSP) problem, which has two main challenges: 1) labeled night-time data are scarce, and 2) over- and under-exposures may co-occur in the input night-time images and are not explicitly modeled in existing pipelines. To tackle the scarcity of night-time data, we collect a novel labeled dataset, named {\it NightCity}, of 4,297 real night-time images with ground truth pixel-level semantic annotations. To our knowledge, NightCity is the largest dataset for NTSP. In addition, we also propose an exposure-aware framework to address the NTSP problem through augmenting the segmentation process with explicitly learned exposure features. Extensive experiments show that training on NightCity can significantly improve NTSP performances and that our exposure-aware model outperforms the state-of-the-art methods, yielding top performances on our dataset as well as existing datasets.
• Abstract（参考訳）: 近年ではシーン解析に大きな進歩が見られるが、既存の作品の多くは、入力画像は昼間の照明条件が良いと想定している。 本研究は、夜間シーン解析(NTSP)問題に対処することを目的としており、主な課題は2つある。 1) ラベル付き夜間データが少ないこと、及び 2) 過度かつ過度な露出は、入力された夜間画像に共起する可能性があり、既存のパイプラインでは明示的にモデル化されない。 夜間データの不足に対処するため,4,297のリアルタイムな夜間画像と地上の真理レベルのセマンティックアノテーションのラベル付きデータセットを新たに収集した。 私たちの知る限り、nightcityはntspの最大のデータセットです。 また,ntsp問題に対処するために,明示的に学習された露出機能を備えたセグメンテーションプロセスを強化することにより,その問題に対処するためのエクスポージョン・アウェア・フレームワークを提案する。 広範な実験によって、nightcityでのトレーニングはntspのパフォーマンスを大幅に向上させ、私たちのエクスポージャーアウェアモデルは最先端のメソッドよりも優れており、データセットと既存のデータセットで最高のパフォーマンスをもたらしています。

関連論文リスト

• Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
  夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。 具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。 提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-08-25T13:59:31Z)
• Sun Off, Lights On: Photorealistic Monocular Nighttime Simulation for Robust Semantic Perception [53.631644875171595]
  夜間のシーンは、学習したモデルで意味的に知覚し、人間に注釈を付けるのは難しい。 本手法は,1枚の画像の夜間シミュレーションを3Dで行う方法として,サンオフ,ライトオン (SOLO) と命名された。 夜間画像の視覚的品質と光リアリズムは,拡散モデルを含む競合するアプローチよりも優れているだけでなく,従来の画像は,昼夜適応における意味的夜間セグメンテーションに有益であることが証明されている。
  論文  参考訳（メタデータ） (2024-07-29T18:00:09Z)
• PIG: Prompt Images Guidance for Night-Time Scene Parsing [48.35991796324741]
  非教師なし領域適応(UDA)が夜景の研究の主流となっている。 そこで我々はNFNet(Night-Focused Network)を提案する。 NightCity、NightCity+、Dark Zurich、ACDCの4つのナイトタイムデータセットで実験を行いました。
  論文  参考訳（メタデータ） (2024-06-15T07:06:19Z)
• NocPlace: Nocturnal Visual Place Recognition via Generative and Inherited Knowledge Transfer [11.203135595002978]
  NocPlaceは、世界のディスクリプタに照らされた光と極暗に対するレジリエンスを埋め込む。 NocPlaceは、東京24/7ナイトで7.6%、SVOXナイトで16.8%向上している。
  論文  参考訳（メタデータ） (2024-02-27T02:47:09Z)
• Disentangled Contrastive Image Translation for Nighttime Surveillance [87.03178320662592]
  夜間監視は、照明の悪さと厳しい人間のアノテーションによる劣化に悩まされる。 既存の手法では、暗黒の物体を知覚するためにマルチスペクトル画像が使われており、解像度の低さと色の不在に悩まされている。 夜間監視の究極の解決策は、夜から昼までの翻訳(Night2Day)である、と私たちは主張する。 本論文は、夜間監視研究を支援する6つのシーンを含む、NightSuRと呼ばれる新しい監視データセットに貢献する。
  論文  参考訳（メタデータ） (2023-07-11T06:40:27Z)
• Boosting Night-time Scene Parsing with Learnable Frequency [53.05778451012621]
  NTSP(Night-Time Scene Parsing)は多くの視覚アプリケーション、特に自律運転に必須である。 既存の手法のほとんどは日中シーン解析のために提案されている。 提案手法は,NightCity,NightCity+およびBDD100K-nightデータセットの最先端手法に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2022-08-30T13:09:59Z)
• Day-to-Night Image Synthesis for Training Nighttime Neural ISPs [39.37467397777888]
  夜間画像から夜間画像を合成する手法を提案する。 昼間の画像は簡単に撮影でき、低ノイズで動きのぼかしに苦しむことは滅多にない。 ナイトモードレンダリングのためのニューラルネットワークISPのトレーニングによる合成フレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2022-06-06T16:15:45Z)
• Rendering Nighttime Image Via Cascaded Color and Brightness Compensation [22.633061635144887]
  我々は、ホワイトバランスとトーンマッピングを専門家がアノテートした高精細な夜間RAW-RGBデータセットを構築した。 次に、色と明るさの補正を行うための2段階NN ISPであるCBUnetを開発する。 実験の結果,従来のISPパイプラインに比べて視覚的品質がよいことがわかった。
  論文  参考訳（メタデータ） (2022-04-19T16:15:31Z)
• NightLab: A Dual-level Architecture with Hardness Detection for Segmentation at Night [6.666707251631694]
  夜間セグメンテーションフレームワークであるNightLabを提案する。 画像と局所の2段階のモデルであり、各レベルは光適応とセグメンテーションモジュールで構成されている。 NightCityとBDD100Kデータセットの実験では、並行メソッドと比較して、NightLabはステート・オブ・ザ・アート(SoTA)のパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2022-04-12T05:50:22Z)

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。