論文の概要: Deep Fence Estimation using Stereo Guidance and Adversarial Learning

• arxiv url: http://arxiv.org/abs/2007.01724v1
• Date: Fri, 3 Jul 2020 14:46:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 05:48:02.948697
• Title: Deep Fence Estimation using Stereo Guidance and Adversarial Learning
• Title（参考訳）: ステレオガイダンスと逆学習を用いた深部フェンス推定
• Authors: Paritosh Mittal, Shankar M Venkatesan, Viswanath Veera, Aloknath De
• Abstract要約: 人々は、しばしばフェンスとしてゆるやかに呼ばれるワイヤーメッシュによって遮られるイベントや展示の記憶に残るイメージをキャプチャします。 フェンスを除去する最近の作業は、初期フェンスセグメンテーションの難しさにより、性能が制限されている。 本研究の目的は,ステレオ画像対から生成された新しいフェンス誘導マスクを用いて,フェンスを正確に分割することである。
• 参考スコア（独自算出の注目度）: 1.4703538541457881
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: People capture memorable images of events and exhibits that are often occluded by a wire mesh loosely termed as fence. Recent works in removing fence have limited performance due to the difficulty in initial fence segmentation. This work aims to accurately segment fence using a novel fence guidance mask (FM) generated from stereo image pair. This binary guidance mask contains deterministic cues about the structure of fence and is given as additional input to the deep fence estimation model. We also introduce a directional connectivity loss (DCL), which is used alongside adversarial loss to precisely detect thin wires. Experimental results obtained on real world scenarios demonstrate the superiority of proposed method over state-of-the-art techniques.
• Abstract（参考訳）: 人々は、ゆるやかにフェンスと呼ばれるワイヤーメッシュによってしばしば隠されるイベントや展示の記憶に残るイメージをキャプチャします。 最近のフェンスの除去作業は、初期フェンスのセグメンテーションが困難であるため、性能が限られている。 本研究は,ステレオ画像対から生成するフェンス誘導マスク(fm)を用いて,フェンスを精度良くセグメント化することを目的としている。 フェンスの構造に関する決定論的手がかりを含み、ディープフェンス推定モデルへの追加入力として与えられるバイナリ誘導マスク。 また、直交接続損失(DCL)を導入し、逆方向接続損失と併用して細線を正確に検出する。 実世界のシナリオで得られた実験結果は,最先端技術よりも提案手法が優れていることを示す。

関連論文リスト

• Open-Vocabulary Segmentation with Unpaired Mask-Text Supervision [87.15580604023555]
  Unpair-Segは、弱制御されたオープン語彙セグメンテーションフレームワークである。 未ペア画像マスクと画像テキストペアから学習し、独立して効率的に収集することができる。 ADE-847とPASCAL Context-459データセットで14.6%と19.5%のmIoUを達成した。
  論文  参考訳（メタデータ） (2024-02-14T06:01:44Z)
• Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
  LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。 より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。 提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
  論文  参考訳（メタデータ） (2023-11-19T09:41:10Z)
• Overhead Line Defect Recognition Based on Unsupervised Semantic Segmentation [8.672676348736834]
  オーバーヘッドラインインスペクションは、可視光画像を用いた欠陥認識の恩恵が大きい。 本稿では,Faster RCNNネットワーク上に構築された新しい欠陥認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-02T03:52:59Z)
• DeNoising-MOT: Towards Multiple Object Tracking with Severe Occlusions [52.63323657077447]
  DNMOTは、複数のオブジェクト追跡のためのエンドツーエンドのトレーニング可能なDeNoising Transformerである。 具体的には、トレーニング中にノイズを伴って軌道を拡大し、エンコーダ・デコーダアーキテクチャのデノイング過程をモデルに学習させる。 我々はMOT17,MOT20,DanceTrackのデータセットについて広範な実験を行い,実験結果から,提案手法が従来の最先端手法よりも明確なマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-09T04:40:01Z)
• Efficient Flow-Guided Multi-frame De-fencing [7.504789972841539]
  デフェンシング(de-fencing)は、画像からそのような障害を自動的に除去するアルゴリズムプロセスである。 本研究では,ブロックされたフレームから直接高品質なフローマップを演算するマルチフレームデフェンシングのためのフレームワークを開発する。
  論文  参考訳（メタデータ） (2023-01-25T18:42:59Z)
• What You See is What You Classify: Black Box Attributions [61.998683569022006]
  我々は、トレーニング済みのブラックボックス分類器であるExpplanandumの属性を予測するために、ディープネットワークであるExplainerを訓練する。 既存のほとんどのアプローチとは異なり、我々の手法はクラス固有のマスクを直接生成することができる。 我々の属性は、視覚的および定量的に確立された方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-23T12:30:04Z)
• End-to-End Instance Edge Detection [29.650295133113183]
  エッジ検出は長い間、コンピュータビジョンの分野で重要な問題であった。 従来の研究は、カテゴリ非依存またはカテゴリ対応エッジ検出を探索してきた。 本稿では,オブジェクトインスタンスのコンテキストにおけるエッジ検出について検討する。
  論文  参考訳（メタデータ） (2022-04-06T15:32:21Z)
• Do Not Disturb Me: Person Re-identification Under the Interference of Other Pedestrians [97.45805377769354]
  本稿では,Pedestrian-Interference Suppression Network (PISNet)と呼ばれる新しいディープネットワークを提案する。 PISNetはクエリガイド付アテンションブロック(QGAB)を活用して、クエリのガイダンスの下でギャラリー内のターゲットの機能を強化する。 その結果,提案手法は既存のRe-ID手法に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2020-08-16T17:45:14Z)
• Edge-Preserving Guided Semantic Segmentation for VIPriors Challenge [3.435043566706133]
  現在の最先端およびディープラーニングに基づくセマンティックセマンティックセグメンテーション技術は、よく訓練することは難しい。 付加的な事前情報を得るためのエッジ保存ガイダンスを提案する。 実験により,提案手法は小型のトレーニングセットで優れた性能が得られることを示した。
  論文  参考訳（メタデータ） (2020-07-17T11:49:10Z)
• Holistically-Attracted Wireframe Parsing [123.58263152571952]
  本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。 提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2020-03-03T17:43:57Z)

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。