論文の概要: ULSD: Unified Line Segment Detection across Pinhole, Fisheye, and Spherical Cameras

• arxiv url: http://arxiv.org/abs/2011.03174v1
• Date: Fri, 6 Nov 2020 03:30:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 04:58:16.450880
• Title: ULSD: Unified Line Segment Detection across Pinhole, Fisheye, and Spherical Cameras
• Title（参考訳）: ulsd:ピンホール、魚眼、球面カメラを横断するラインセグメントの統一検出
• Authors: Hao Li, Huai Yu, Wen Yang, Lei Yu and Sebastian Scherer
• Abstract要約: ラインセグメント検出は、コンピュータビジョンとロボット工学におけるハイレベルなタスクに不可欠である。 現在、ほとんどの最新技術(SOTA)法は、歪みのないピンホール画像の直線部分の検出に特化している。 本稿では,歪み画像と歪画像の両方に対して,統一ラインセグメント検出(ULSD)を目標とする。
• 参考スコア（独自算出の注目度）: 17.943949895764938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Line segment detection is essential for high-level tasks in computer vision and robotics. Currently, most stateof-the-art (SOTA) methods are dedicated to detecting straight line segments in undistorted pinhole images, thus distortions on fisheye or spherical images may largely degenerate their performance. Targeting at the unified line segment detection (ULSD) for both distorted and undistorted images, we propose to represent line segments with the Bezier curve model. Then the line segment detection is tackled by the Bezier curve regression with an end-to-end network, which is model-free and without any undistortion preprocessing. Experimental results on the pinhole, fisheye, and spherical image datasets validate the superiority of the proposed ULSD to the SOTA methods both in accuracy and efficiency (40.6fps for pinhole images). The source code is available at https://github.com/lh9171338/Unified-LineSegment-Detection.
• Abstract（参考訳）: ラインセグメント検出は、コンピュータビジョンとロボット工学におけるハイレベルなタスクに不可欠である。 現在、ほとんどの最新技術(SOTA)法は、歪みのないピンホール画像の直線部分の検出に特化しているため、魚眼画像や球面画像の歪みは、その性能を著しく劣化させる可能性がある。 歪み画像と歪画像の両方に対する統一線分検出(ULSD)を目標とし,ベジエ曲線モデルを用いて線分を表現することを提案する。 次に、ラインセグメント検出は、モデルフリーで非歪プリプロセッシングのないエンドツーエンドネットワークによるベジエ曲線回帰によって取り組まれる。 ピンホール, 魚眼, 球面画像データセットにおける実験結果は, sota法におけるulsdの精度と効率(ピンホール画像では40.6fps)を検証した。 ソースコードはhttps://github.com/lh9171338/Unified-LineSegment-Detectionで公開されている。

関連論文リスト

• RoFIR: Robust Fisheye Image Rectification Framework Impervious to Optical Center Deviation [88.54817424560056]
  局所歪みの度合いと方向を測定する歪みベクトルマップ(DVM)を提案する。 DVMを学習することで、大域的な歪みパターンに頼ることなく、各ピクセルの局所歪みを独立に識別することができる。 事前学習段階では、歪みベクトルマップを予測し、各画素の局所歪み特徴を知覚する。 微調整段階では、魚眼画像修正のための画素単位のフローマップを予測する。
  論文  参考訳（メタデータ） (2024-06-27T06:38:56Z)
• DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients [105.25109274550607]
  ラインセグメントは、視覚タスクでますます使われています。 画像勾配に基づく従来の線検出器は非常に高速で精度が高いが、ノイズの多い画像や困難な条件では頑丈さに欠ける。 我々は、両方の世界を最大限に活用するために、伝統的なアプローチと学習されたアプローチを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2022-12-15T12:36:49Z)
• Detecting Line Segments in Motion-blurred Images with Events [38.39698414942873]
  既存のラインセグメント検出方法は、動きのぼやけが発生したときにラインセグメントを検出する際に、厳しい性能劣化に直面している。 本稿では,画像やイベントの相補的な情報を利用して,動きのぼやけた線分を頑健に検出することを提案する。 提案手法は, FE-Wireframeで事前学習し, FE-Blurframeで微調整したモデルを用いて, 平均構造平均精度(msAP)を63.3%向上させる。
  論文  参考訳（メタデータ） (2022-11-14T14:00:03Z)
• NeRF-SOS: Any-View Self-supervised Object Segmentation from Complex Real-World Scenes [80.59831861186227]
  本論文では,複雑な現実世界のシーンに対して,NeRFを用いたオブジェクトセグメンテーションのための自己教師型学習の探索を行う。 我々のフレームワークは、NeRF(NeRF with Self-supervised Object NeRF-SOS)と呼ばれ、NeRFモデルがコンパクトな幾何認識セグメンテーションクラスタを蒸留することを奨励している。 他の2Dベースの自己教師付きベースラインを一貫して上回り、既存の教師付きマスクよりも細かなセマンティクスマスクを予測する。
  論文  参考訳（メタデータ） (2022-09-19T06:03:17Z)
• ELSD: Efficient Line Segment Detector and Descriptor [9.64386089593887]
  本稿では,ラインセグメントを同時に検出し,画像中のデクリプタを抽出する,ELSD(Efficient Line Segment Detector and Descriptor)を提案する。 ELSDはSLAMや画像マッチングなどの高レベルのタスクに不可欠なライン機能を提供します。 実験では,提案したELSDは,Wireframeデータセットと YorkUrbanデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-04-29T08:53:03Z)
• Fully Convolutional Line Parsing [25.80938920093857]
  画像から線分を検出する一段階のF-Clip(Fully Convolutional Line Parsing Network)を提案する。 F-Clipは、各行の中央位置、長さ、角度で予測することで、ラインセグメントをエンドツーエンドで検出する。 広範な実験を行い,本手法が効率と精度のトレードオフを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2021-04-22T17:41:12Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
  3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。 既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。 抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。 この課題を解決するためのハイブリッド表現学習手法を提案します。
  論文  参考訳（メタデータ） (2020-12-14T05:22:49Z)
• Fisheye Distortion Rectification from Deep Straight Lines [34.61402494687801]
  本稿では,魚眼の歪み補正問題に対処するため,新しいラインアウェア整流ネットワーク(LaRecNet)を提案する。 本モデルでは,幾何的精度と画質の両面から最先端の性能を実現する。 特に、LaRecNetによって修正された画像は、基幹よりも高いピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)を達成する。
  論文  参考訳（メタデータ） (2020-03-25T13:20:00Z)
• 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。