Fugu-MT 論文翻訳(概要): RarePlanes: Synthetic Data Takes Flight

論文の概要: RarePlanes: Synthetic Data Takes Flight

arxiv url: http://arxiv.org/abs/2006.02963v2
Date: Tue, 10 Nov 2020 17:17:01 GMT
ステータス: 処理完了
システム内更新日: 2022-11-25 12:39:04.227458
Title: RarePlanes: Synthetic Data Takes Flight
Title（参考訳）: RarePlanes: 合成データが飛行する
Authors: Jacob Shermeyer, Thomas Hossler, Adam Van Etten, Daniel Hogan, Ryan Lewis, Daeil Kim
Abstract要約: RarePlanesは、実画像と合成画像の両方を組み込んだ、ユニークなオープンソースの機械学習データセットである。このデータセットは、コンピュータビジョンアルゴリズムが衛星画像中の航空機とその属性を自動的に検出する能力を支援するための合成データの価値に特化している。
参考スコア（独自算出の注目度）: 12.441700855896277
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: RarePlanes is a unique open-source machine learning dataset that incorporates both real and synthetically generated satellite imagery. The RarePlanes dataset specifically focuses on the value of synthetic data to aid computer vision algorithms in their ability to automatically detect aircraft and their attributes in satellite imagery. Although other synthetic/real combination datasets exist, RarePlanes is the largest openly-available very-high resolution dataset built to test the value of synthetic data from an overhead perspective. Previous research has shown that synthetic data can reduce the amount of real training data needed and potentially improve performance for many tasks in the computer vision domain. The real portion of the dataset consists of 253 Maxar WorldView-3 satellite scenes spanning 112 locations and 2,142 km^2 with 14,700 hand-annotated aircraft. The accompanying synthetic dataset is generated via AI.Reverie's simulation platform and features 50,000 synthetic satellite images simulating a total area of 9331.2 km^2 with ~630,000 aircraft annotations. Both the real and synthetically generated aircraft feature 10 fine grain attributes including: aircraft length, wingspan, wing-shape, wing-position, wingspan class, propulsion, number of engines, number of vertical-stabilizers, presence of canards, and aircraft role. Finally, we conduct extensive experiments to evaluate the real and synthetic datasets and compare performances. By doing so, we show the value of synthetic data for the task of detecting and classifying aircraft from an overhead perspective.
Abstract（参考訳）: RarePlanesは、実画像と合成画像の両方を組み込んだ、ユニークなオープンソースの機械学習データセットである。 RarePlanesデータセットは、コンピュータビジョンアルゴリズムが衛星画像中の航空機とその属性を自動的に検出する能力を支援するために、合成データの価値を特に重視している。他の合成と実の組み合わせデータセットは存在するが、RarePlanesは、オーバーヘッドの観点から合成データの価値をテストするために構築された、オープンソースで利用可能な超高解像度データセットである。これまでの研究では、合成データは必要な実際のトレーニングデータ量を減らし、コンピュータビジョン領域の多くのタスクのパフォーマンスを向上させる可能性があることが示されている。データセットの実際の部分は、112箇所に2,142 km^2と14,700機の手書きの航空機を含む253 Maxar WorldView-3衛星シーンで構成されている。付随する合成データセットはAI.Reverieのシミュレーションプラットフォームで生成され、合計面積9331.2 km^2の合成衛星画像5万枚と航空機のアノテーション630,000枚をシミュレートする。実機と合成型の両方の航空機は、翼長、翼幅、翼配置、翼幅クラス、推進力、エンジン数、垂直安定剤の数、カナードの存在、航空機の役割を含む10の細かい粒度特性を備えている。最後に,実データと合成データを比較実験し,実データと合成データを比較した。そこで,本研究では,航空機の検出・分類作業における合成データの価値を頭上から示す。

関連論文リスト

Drone Detection using Deep Neural Networks Trained on Pure Synthetic Data [0.4369058206183195]
実世界のデータに転送する純粋に合成されたデータセットに基づいて訓練されたドローン検出高速RCNNモデルを提案する。以上の結果から, 合成データを用いたドローン検出は, 収集コストを低減し, ラベル付け品質を向上する可能性が示唆された。
論文参考訳（メタデータ） (2024-11-13T23:09:53Z)
SPIN: Spacecraft Imagery for Navigation [8.155713824482767]
本研究では、2つの宇宙船間の相対航法のためのオープンソースのリアルな宇宙船画像生成ツールSPINを提案する。 SPINはさまざまな地上データを提供し、研究者は衛星のカスタム3Dモデルを使用することができる。実空間条件をシミュレートする一般的なテストベッドデータにおいて,平均誤差を50%削減することを示す。
論文参考訳（メタデータ） (2024-06-11T17:35:39Z)
UAV-Sim: NeRF-based Synthetic Data Generation for UAV-based Perception [62.71374902455154]
ニューラルレンダリングの最近の進歩を利用して、静的および動的ノベルビューUAVベースの画像レンダリングを改善する。本研究では,主に実データと合成データのハイブリッドセットに基づいて最先端検出モデルが最適化された場合,性能が大幅に向上することを示す。
論文参考訳（メタデータ） (2023-10-25T00:20:37Z)
SyntheWorld: A Large-Scale Synthetic Dataset for Land Cover Mapping and Building Change Detection [20.985372561774415]
我々は、品質、多様性、スケールに比類しない合成データセットであるSyntheWorldを提示する。サブメーターレベルのピクセルを持つ4万枚の画像と8つのカテゴリの詳細なランドカバーアノテーションを含んでいる。リモートセンシング画像処理研究を容易にするためのSyntheWorldをリリースする。
論文参考訳（メタデータ） (2023-09-05T02:42:41Z)
Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文参考訳（メタデータ） (2023-08-31T16:26:17Z)
Habitat Synthetic Scenes Dataset (HSSD-200): An Analysis of 3D Scene Scale and Realism Tradeoffs for ObjectGoal Navigation [70.82403156865057]
本研究では,合成3次元シーン・データセット・スケールとリアリズムが,オブジェクトの探索とナビゲートを行う具体的エージェントの訓練作業に与える影響について検討する。我々の実験によると、我々の小規模データセットで訓練されたエージェントは、はるかに大きなデータセットで訓練されたエージェントと一致するか、より優れています。
論文参考訳（メタデータ） (2023-06-20T05:07:23Z)
LARD - Landing Approach Runway Detection -- Dataset for Vision Based Landing [2.7400353551392853]
本稿では,接近・着陸時の滑走路検出のための高品質な空中画像のデータセットを提案する。データセットの大部分は合成画像で構成されていますが、実際の着陸映像から手動でラベル付けされた画像も提供しています。このデータセットは、データセットの品質の分析や、検出タスクに対処するモデルの開発など、さらなる研究の道を開く。
論文参考訳（メタデータ） (2023-04-05T08:25:55Z)
TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文参考訳（メタデータ） (2022-08-16T20:46:08Z)
Dataset of Industrial Metal Objects [1.1125968799758437]
このデータセットは、6Dオブジェクトポーズラベルを持つ実世界のRGB画像と合成されたRGB画像の両方を含んでいる。実世界のデータは、さまざまなオブジェクト形状、材料、キャリア、構成、照明条件の異なるシーンのマルチビュー画像を記録することで得られる。実世界の状況を慎重にシミュレートし、制御された現実的な方法で変化させることで合成データを得る。
論文参考訳（メタデータ） (2022-08-08T10:49:06Z)
RTMV: A Ray-Traced Multi-View Synthetic Dataset for Novel View Synthesis [104.53930611219654]
約2000の複雑なシーンからレンダリングされた300k画像からなる,新しいビュー合成のための大規模合成データセットを提案する。データセットは、新しいビュー合成のための既存の合成データセットよりも桁違いに大きい。高品質な3Dメッシュの4つのソースを使用して、私たちのデータセットのシーンは、カメラビュー、照明、形状、材料、テクスチャの難しいバリエーションを示します。
論文参考訳（メタデータ） (2022-05-14T13:15:32Z)
Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文参考訳（メタデータ） (2022-04-24T15:23:25Z)

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。