論文の概要: Light Field Salient Object Detection: A Review and Benchmark

• arxiv url: http://arxiv.org/abs/2010.04968v4
• Date: Sat, 24 Jul 2021 14:23:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 23:22:02.846102
• Title: Light Field Salient Object Detection: A Review and Benchmark
• Title（参考訳）: Light Field Salient Object Detection: レビューとベンチマーク
• Authors: Keren Fu, Yao Jiang, Ge-Peng Ji, Tao Zhou, Qijun Zhao, Deng-Ping Fan
• Abstract要約: 本稿では,光電場SODの総合的なレビューとベンチマークを行う。 10の伝統的なモデル、7つのディープラーニングベースのモデル、1つの比較研究、1つの簡単なレビューがある。 広範に使用されている4つの光フィールドデータセット上で、9つの代表的な光フィールドSODモデルと、いくつかの最先端RGB-D SODモデルをベンチマークする。
• 参考スコア（独自算出の注目度）: 37.28938750278883
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Salient object detection (SOD) is a long-standing research topic in computer vision and has drawn an increasing amount of research interest in the past decade. This paper provides the first comprehensive review and benchmark for light field SOD, which has long been lacking in the saliency community. Firstly, we introduce preliminary knowledge on light fields, including theory and data forms, and then review existing studies on light field SOD, covering ten traditional models, seven deep learning-based models, one comparative study, and one brief review. Existing datasets for light field SOD are also summarized with detailed information and statistical analyses. Secondly, we benchmark nine representative light field SOD models together with several cutting-edge RGB-D SOD models on four widely used light field datasets, from which insightful discussions and analyses, including a comparison between light field SOD and RGB-D SOD models, are achieved. Besides, due to the inconsistency of datasets in their current forms, we further generate complete data and supplement focal stacks, depth maps and multi-view images for the inconsistent datasets, making them consistent and unified. Our supplemental data makes a universal benchmark possible. Lastly, because light field SOD is quite a special problem attributed to its diverse data representations and high dependency on acquisition hardware, making it differ greatly from other saliency detection tasks, we provide nine hints into the challenges and future directions, and outline several open issues. We hope our review and benchmarking could help advance research in this field. All the materials including collected models, datasets, benchmarking results, and supplemented light field datasets will be publicly available on our project site https://github.com/kerenfu/LFSOD-Survey.
• Abstract（参考訳）: salient object detection (sod) はコンピュータビジョンにおける長年にわたる研究テーマであり、過去10年間で研究への関心が高まっている。 本論文は,光電場SODの総合的なレビューとベンチマークを行い,サリエンシ・コミュニティにおいて長い間欠落していた点について述べる。 まず、理論やデータ形式を含む光分野に関する予備知識を紹介し、その後、従来の10のモデル、深い学習に基づく7つのモデル、1つの比較研究、1つの簡単なレビューを含む、光分野のSODに関する既存の研究をレビューする。 光場SODのための既存のデータセットも詳細な情報と統計分析で要約される。 次に,9つの代表的な光場SODモデルと,近縁なRGB-D SODモデルを4つの広く使用されている光場データセット上でベンチマークし,光場SODモデルとRGB-D SODモデルの比較を含む洞察に富んだ議論と分析を行う。 さらに、現在の形式でのデータセットの不整合により、さらに完全データを生成し、不整合データセットに対する焦点スタック、深度マップ、マルチビューイメージを補完し、一貫性と統一化を図る。 我々の補足データは普遍的なベンチマークを可能にします。 最後に、光フィールドsodは、その多様なデータ表現と取得ハードウェアへの高い依存によって引き起こされる非常に特殊な問題であり、他のサリエンシ検出タスクとは大きく異なるため、課題と今後の方向性に関する9つのヒントを提供し、いくつかのオープンな問題を概説する。 レビューとベンチマークがこの分野の先進的な研究に役立つことを期待しています。 収集されたモデル、データセット、ベンチマーク結果、補充された光フィールドデータセットを含むすべての資料は、プロジェクトのサイトhttps://github.com/kerenfu/LFSOD-Survey.comで公開されます。

関連論文リスト

• DSBench: How Far Are Data Science Agents to Becoming Data Science Experts? [58.330879414174476]
  現実的なタスクでデータサイエンスエージェントを評価するためのベンチマークであるDSBenchを紹介する。 このベンチマークには、466のデータ分析タスクと、EloquenceとKaggleのコンペからソースされた74のデータモデリングタスクが含まれている。 現状のLLM, LVLM, エージェントを評価したところ, 最高のエージェントはデータ解析タスクの34.12%しか解決できず, RPG(Relative Performance Gap)は34.74%であった。
  論文  参考訳（メタデータ） (2024-09-12T02:08:00Z)
• UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction [93.77809355002591]
  さまざまなデータセット、モデル、評価基準を統一する包括的なフレームワークであるUniTrajを紹介する。 我々は広範な実験を行い、他のデータセットに転送するとモデルの性能が大幅に低下することがわかった。 これらの知見を説明するために,データセットの特徴に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-22T10:36:50Z)
• Advancing Video Anomaly Detection: A Concise Review and a New Dataset [8.822253683273841]
  ビデオ異常検出(VAD)は、セキュリティ監視、交通監視、産業監視、医療に広く応用されている。 大規模な研究努力にもかかわらず、研究者に洞察力のあるガイダンスを提供する簡潔なレビューは残っていない。 本稿では,様々な視点からモデルとデータセットを考察する。
  論文  参考訳（メタデータ） (2024-02-07T13:54:56Z)
• Multi-document Summarization: A Comparative Evaluation [0.0]
  本論文は,多文書要約(MDS)のための最先端モデルの評価を,様々な領域の異なるタイプのデータセット上で行うことを目的としている。 我々は,Big-SurveyおよびMS$2$データセット上でのPRIMERAおよびPEGモデルの性能を解析した。
  論文  参考訳（メタデータ） (2023-09-10T07:43:42Z)
• A Survey on RGB-D Datasets [69.73803123972297]
  本稿では,深度情報を含む画像データセットをレビューし,分類した。 アクセス可能なデータを含む203のデータセットを収集し、それらをシーン/オブジェクト、ボディ、医療の3つのカテゴリに分類しました。
  論文  参考訳（メタデータ） (2022-01-15T05:35:19Z)
• The Hilti SLAM Challenge Dataset [41.091844019181735]
  構築環境は、同時局所化とマッピング(SLAM)アルゴリズムに難しい問題を引き起こす。 本研究を支援するために,Hilti SLAM Challengeデータセットという新しいデータセットを提案する。 各データセットには正確な基底真理が含まれており、SLAM結果を直接テストすることができる。
  論文  参考訳（メタデータ） (2021-09-23T12:02:40Z)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)
• RGB-D Salient Object Detection: A Survey [195.83586883670358]
  様々な観点からRGB-Dに基づくSODモデルを総合的に調査する。 また、このドメインからSODモデルと人気のあるベンチマークデータセットもレビューします。 今後の研究に向けたRGB-DベースのSODの課題と方向性について論じる。
  論文  参考訳（メタデータ） (2020-08-01T10:01:32Z)

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。