論文の概要: Tackling problems of marker-based augmented reality under water
- arxiv url: http://arxiv.org/abs/2010.11691v1
- Date: Sun, 11 Oct 2020 09:54:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 14:00:38.931350
- Title: Tackling problems of marker-based augmented reality under water
- Title（参考訳）: 水中におけるマーカー型拡張現実の課題
- Authors: Jan \v{C}ejka, Fotis Liarokapis
- Abstract要約: この章は、マーカーを使用して水中でデバイスをローカライズする問題に焦点を当てている。
水中で記録された画像の強調と改善を行う様々なフィルタについて検討し、マーカーベースの追跡に与える影響について論じる。
すべてのソリューションは、モバイルデバイス上でリアルタイムに実行して、拡張現実の確固たる基盤を提供するように設計されている。
- 参考スコア（独自算出の注目度）: 6.294759639481189
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Underwater sites are a harsh environment for augmented reality applications.
Obstacles that must be battled include poor visibility conditions, difficult
navigation, and hard manipulation with devices under water. This chapter
focuses on the problem of localizing a device under water using markers. It
discusses various filters that enhance and improve images recorded under water,
and their impact on marker-based tracking. It presents various combinations of
10 image improving algorithms and 4 marker detecting algorithms, and tests
their performance in real situations. All solutions are designed to run
real-time on mobile devices to provide a solid basis for augmented reality.
Usability of this solution is evaluated on locations in Mediterranean Sea. It
is shown that image improving algorithms with carefully chosen parameters can
reduce the problems with visibility under water and improve the detection of
markers. The best results are obtained with marker detecting algorithms that
are specifically designed for underwater environments.
- Abstract（参考訳）: 水中サイトは拡張現実アプリケーションにとって厳しい環境です。
戦わなければならない障害には、視界の悪さ、ナビゲーションの難しさ、水中機器のハード操作などが含まれる。
本章では,マーカーを用いて水中に装置を配置する問題に焦点をあてる。
水中で記録された画像の強調と改善、およびマーカーベースの追跡に影響を及ぼす様々なフィルタについて論じている。
10個の画像改善アルゴリズムと4つのマーカー検出アルゴリズムの組み合わせを提示し、実環境での性能をテストする。
すべてのソリューションはモバイルデバイス上でリアルタイムに動作し、拡張現実の確かな基盤を提供するように設計されている。
このソリューションの使用性は地中海の地域で評価される。
注意深く選択されたパラメータを用いた画像改善アルゴリズムは,水中の視認性の問題を低減し,マーカーの検出を改善する。
最も優れた結果は、特に水中環境向けに設計されたマーカー検出アルゴリズムを用いて得られる。
関連論文リスト
- Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳（メタデータ） (2024-10-08T10:35:32Z) - Performance Assessment of Feature Detection Methods for 2-D FS Sonar Imagery [11.23455335391121]
主な課題は、一様でない照明と、濁った環境での視界の低下である。
高周波フォワードフォワードソナーカメラはこれらの問題に対処する。
5種類のソナー装置の実際のソナー画像を用いた特徴検出器の評価を行った。
論文 参考訳（メタデータ） (2024-09-11T04:35:07Z) - WaterSeeker: Pioneering Efficient Detection of Watermarked Segments in Large Documents [65.11018806214388]
WaterSeekerは、広範囲な自然テキストの中で、ウォーターマークされたセグメントを効率的に検出し、発見するための新しいアプローチである。
検出精度と計算効率のバランスが良くなる。
WaterSeekerのローカライゼーション機能は、解釈可能なAI検出システムの開発をサポートする。
論文 参考訳（メタデータ） (2024-09-08T14:45:47Z) - Real-Time Multi-Scene Visibility Enhancement for Promoting Navigational Safety of Vessels Under Complex Weather Conditions [48.529493393948435]
この可視光カメラは、インテリジェントな水上輸送システムにおいて、海洋表面の容器に不可欠なイメージングセンサーとして登場した。
視覚画像の画質は、複雑な気象条件下での様々な劣化に必然的に悩まされる。
本研究では,異なる気象条件下で撮影された劣化画像を復元する汎用多場面可視性向上手法を開発した。
論文 参考訳（メタデータ） (2024-09-02T23:46:27Z) - Improving the perception of visual fiducial markers in the field using Adaptive Active Exposure Control [8.928513884805097]
本稿では、画像取得時のシャープ照明変動に対処するための勾配型アクティブカメラ露光制御手法を提案する。
視覚タグを用いた水中操作の典型的なシナリオを考慮し,本手法と他の最先端露光制御法との比較実験を行った。
その結果,ロボットの局所化精度は有意に向上した。
論文 参考訳（メタデータ） (2024-04-18T10:10:56Z) - SONIC: Sonar Image Correspondence using Pose Supervised Learning for Imaging Sonars [21.36164161799472]
我々は,視点変化に耐えられる頑健な特徴対応を実現するために設計されたポーズ制御ネットワークSONICを紹介する。
本手法は,ソナー画像の対応生成における性能を著しく向上させる。
論文 参考訳（メタデータ） (2023-10-23T15:21:46Z) - Improving Underwater Visual Tracking With a Large Scale Dataset and
Image Enhancement [70.2429155741593]
本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。
水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。
本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。
この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
論文 参考訳（メタデータ） (2023-08-30T07:41:26Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。
我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
論文 参考訳（メタデータ） (2021-12-17T15:52:46Z) - A Benchmark dataset for both underwater image enhancement and underwater
object detection [34.25890702670983]
境界ボックスアノテーションと高品質な参照画像の両方を用いた大規模水中物体検出データセットを提供する。
OUCデータセットは、水中物体検出タスクにおける水中画像強調アルゴリズムの影響を包括的に研究するためのプラットフォームを提供する。
論文 参考訳（メタデータ） (2020-06-29T03:12:50Z)
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。