Fugu-MT 論文翻訳(概要): The High-Quality Wide Multi-Channel Attack (HQ-WMCA) database

論文の概要: The High-Quality Wide Multi-Channel Attack (HQ-WMCA) database

arxiv url: http://arxiv.org/abs/2009.09703v1
Date: Mon, 21 Sep 2020 09:18:19 GMT
ステータス: 処理完了
システム内更新日: 2022-10-16 05:09:01.545746
Title: The High-Quality Wide Multi-Channel Attack (HQ-WMCA) database
Title（参考訳）: 大規模マルチチャネル攻撃(HQ-WMCA)データベース
Authors: Zohreh Mostaani and Anjith George and Guillaume Heusch and David Geissbuhler and Sebastien Marcel
Abstract要約: High-Quality Wide Multi-Channel Attack database (HQ-WMCA)データベースは、以前のWide Multi-Channel Attack database (WMCA)を拡張している TheHQ-WMCAデータベースには、色、深さ、熱、赤外(スペクトル)、短波赤外(スペクトル)を含むより多くのチャネルが含まれている。
参考スコア（独自算出の注目度）: 6.684752451476642
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The High-Quality Wide Multi-Channel Attack database (HQ-WMCA) database extends the previous Wide Multi-Channel Attack database(WMCA), with more channels including color, depth, thermal, infrared (spectra), and short-wave infrared (spectra), and also a wide variety of attacks.
Abstract（参考訳）: High-Quality Wide Multi-Channel Attack Database (HQ-WMCA) データベースは、以前の Wide Multi-Channel Attack Database (WMCA) を拡張し、色、深さ、熱、赤外線 (spectra) 、短波赤外線 (spectra) 、および様々な種類の攻撃を行う。

関連論文リスト

ViDSOD-100: A New Dataset and a Baseline Model for RGB-D Video Salient Object Detection [51.16181295385818]
まず、注釈付きRGB-D video SODOD(DSOD-100)データセットを収集し、合計9,362フレーム内に100の動画を含む。各ビデオのフレームはすべて、高品質なサリエンシアノテーションに手動で注釈付けされる。本稿では,RGB-Dサリアンオブジェクト検出のための新しいベースラインモデル,attentive triple-fusion network (ATF-Net)を提案する。
論文参考訳（メタデータ） (2024-06-18T12:09:43Z)
Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。 MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文参考訳（メタデータ） (2023-12-07T18:59:14Z)
Feature Attention Network (FA-Net): A Deep-Learning Based Approach for Underwater Single Image Enhancement [0.8694819854201992]
本稿では,この問題を解決するために,ディープラーニングと機能アテンションに基づくエンドツーエンドネットワーク(FA-Net)を提案する。特に,チャンネルアテンション,画素アテンション,長いスキップ接続を伴う残差学習機構を含む残差特徴注意ブロック(RFAB)を提案する。 RFABは、マルチホップ接続上で低周波情報をスキップしながら、高周波情報を学習することに集中することができる。
論文参考訳（メタデータ） (2023-08-30T08:56:36Z)
Dif-Fusion: Towards High Color Fidelity in Infrared and Visible Image Fusion with Diffusion Models [54.952979335638204]
本稿では,Dif-Fusionと呼ばれる拡散モデルを用いて,マルチチャネル入力データの分布を生成する手法を提案する。我々の手法は、特にカラー忠実度において、他の最先端画像融合法よりも効果的である。
論文参考訳（メタデータ） (2023-01-19T13:37:19Z)
Underwater Image Enhancement via Medium Transmission-Guided Multi-Color Space Embedding [88.46682991985907]
本稿では,Ucolor と呼ばれる媒体透過誘導多色空間埋め込みによる水中画像強調ネットワークを提案する。当社のネットワークは、複数の色空間を埋め込むことにより、水中画像の視覚的品質を効果的に改善できます。
論文参考訳（メタデータ） (2021-04-27T07:35:30Z)
A high performance approach to detecting small targets in long range low quality infrared videos [4.781986758380064]
広帯域・低品質赤外線ビデオにおける小目標検出のための高性能な手法を提案する。提案手法は,ビデオ解像度向上モジュール,局所強度と勾配に基づく小型目標検出器,トラックアソシエーションモジュールから構成される。
論文参考訳（メタデータ） (2020-12-04T13:36:49Z)
Cross-layer Band Selection and Routing Design for Diverse Band-aware DSA Networks [7.96978761618435]
本稿では,動的スペクトラムアクセスネットワークのための階層間BAnd選択とルーティング設計に基づく分散型オンラインマルチエージェント強化学習を提案する。実験の結果,BARD はメッセージ配信率の基準として dDSAaR アルゴリズムよりも高い性能を示したが,ネットワーク遅延が比較的高く,プライマリユーザやセカンダリユーザの数も多様であった。
論文参考訳（メタデータ） (2020-09-08T15:33:08Z)
Multi-level Wavelet-based Generative Adversarial Network for Perceptual Quality Enhancement of Compressed Video [51.631731922593225]
既存の手法は主に、その知覚的品質を無視しながら、圧縮映像の客観的品質を高めることに焦点を当てている。圧縮ビデオの知覚品質を高めるために,マルチレベルウェーブレットパケット変換(WPT)に基づくGAN(Generative Adversarial Network)を提案する。
論文参考訳（メタデータ） (2020-08-02T15:01:38Z)
Cross-Modal Weighting Network for RGB-D Salient Object Detection [76.0965123893641]
我々は,RGB-D SODの深度チャネルとRGB-D SODの包括的相互作用を促進するために,新しいクロスモーダルウェイトリング(CMW)戦略を提案する。具体的には、CMW-L、CMW-M、CMW-Hという3つのRGB-depth相互作用モジュールが、それぞれ低レベル、中級、高レベルのクロスモーダル情報融合を扱うように開発されている。 CMWNetは、7つの人気のあるベンチマークで15の最先端のRGB-D SODメソッドを上回っている。
論文参考訳（メタデータ） (2020-07-09T16:01:44Z)
Super-resolution of multispectral satellite images using convolutional neural networks [0.0]
本稿では,高分解能マルチスペクトルと高分解能パンシャーペン画像タイルのペアを用いた最先端CNNの訓練手法を提案する。得られた品質指標は,処理した画像の情報内容を改善する方法を示している。
論文参考訳（メタデータ） (2020-02-03T07:06:36Z)

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。