Fugu-MT 論文翻訳(概要): Detecting Road Obstacles by Erasing Them

論文の概要: Detecting Road Obstacles by Erasing Them

arxiv url: http://arxiv.org/abs/2012.13633v3
Date: Sun, 8 Oct 2023 22:30:49 GMT
ステータス: 処理完了
システム内更新日: 2023-10-13 17:43:13.334253
Title: Detecting Road Obstacles by Erasing Them
Title（参考訳）: 消去による道路障害の検出
Authors: Krzysztof Lis, Sina Honari, Pascal Fua, Mathieu Salzmann
Abstract要約: 画像パッチを選択して周囲の道路テクスチャに塗布し,そのパッチから障害を取り除く傾向にある。次に、元のパッチと塗布されたパッチとの相違を認識するためにトレーニングされたネットワークを使用し、消去された障害を通知します。
参考スコア（独自算出の注目度）: 101.45116269051692
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Vehicles can encounter a myriad of obstacles on the road, and it is impossible to record them all beforehand to train a detector. Instead, we select image patches and inpaint them with the surrounding road texture, which tends to remove obstacles from those patches. We then use a network trained to recognize discrepancies between the original patch and the inpainted one, which signals an erased obstacle.
Abstract（参考訳）: 車両は道路上の無数の障害物に遭遇し、事前に記録して検知器を訓練することは不可能である。代わりに、イメージパッチを選択し、それらのパッチから障害を取り除く傾向がある周辺の道路テクスチャに塗り込みます。次に、元のパッチと塗布されたパッチとの相違を認識するためにトレーニングされたネットワークを使用し、消去された障害を通知します。

関連論文リスト

3D StreetUnveiler with Semantic-Aware 2DGS [66.90611944550392]
StreetUnveilerは、混雑した観察から空の通りの3D表現を学習する。空の街路シーンを、観察された、部分的に観察された、保存されていない領域に分割する。街路景観データセットを用いた実験により, 空き路の3次元表現の再構築に成功した。
論文参考訳（メタデータ） (2024-05-28T17:57:12Z)
FlowMap: Path Generation for Automated Vehicles in Open Space Using Traffic Flow [32.8563901381583]
FlowMapは、トラフィックフローに基づいた自動車両のためのパス生成フレームワークである。交通流場(TFF)における経路生成アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-05-02T17:27:37Z)
Perspective Aware Road Obstacle Detection [104.57322421897769]
道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
論文参考訳（メタデータ） (2022-10-04T17:48:42Z)
You Cannot Easily Catch Me: A Low-Detectable Adversarial Patch for Object Detectors [12.946967210071032]
敵対的パッチは、顔認識システム、監視システム、自動運転車を騙すことができる。既存のほとんどの敵パッチは、敵パッチ検出器によって外され、無効化され、拒否される。本稿では,テクスチャに一貫性のある対向パッチで物体検出器を攻撃する新しい手法,低検出可能な対向パッチを提案する。
論文参考訳（メタデータ） (2021-09-30T14:47:29Z)
CP-loss: Connectivity-preserving Loss for Road Curb Detection in Autonomous Driving with Aerial Images [10.300623192980753]
自動走行には道路停止検知が重要である。現在の方法のほとんどは、カメラや3Dライダーなどの車両に搭載されたセンサーを使って、オンラインで道路の縁石を検出する。本稿では,高分解能空中画像を用いて道路の縁石をオフラインで検出する。
論文参考訳（メタデータ） (2021-07-26T01:36:58Z)
iCurb: Imitation Learning-based Detection of Road Curbs using Aerial Images for Autonomous Driving [11.576868193291997]
道路の縁石は自動運転に不可欠な能力です。通常、道路の縁石は、ビデオカメラや3dlidarなどの車載センサーを使ってオンラインで検出される。航空画像を用いた道路縁石のオフライン検出のための新しいソリューションを提案する。
論文参考訳（メタデータ） (2021-03-31T14:40:31Z)
Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
論文参考訳（メタデータ） (2021-03-26T01:18:11Z)
End-to-End Deep Structured Models for Drawing Crosswalks [98.9901717499058]
我々は、両方の入力を地上に投影し、シーンのトップダウンビューを生成します。次に,畳み込みニューラルネットワークを用いて横断歩道の位置に関する意味的手がかりを抽出する。大都市での横断歩道実験では96.6%の自動化が可能であった。
論文参考訳（メタデータ） (2020-12-21T18:59:08Z)
Promoting Connectivity of Network-Like Structures by Enforcing Region Separation [101.10228007363673]
本稿では,ネットワークのような構造を再構築するために,深い畳み込みネットワークをトレーニングするための接続性指向の損失関数を提案する。私たちの喪失の背後にある主な考え方は、画像の背景領域間で発生する断線の観点から、道路や運河の接続性を表現することです。 2つの標準的な道路ベンチマークと、新しい灌水用運河のデータセットの実験において、損失関数で訓練されたコンブネットが道路接続を回復できることが示されている。
論文参考訳（メタデータ） (2020-09-15T12:21:35Z)
Detecting Lane and Road Markings at A Distance with Perspective Transformer Layers [5.033948921121557]
既存の手法では、検出精度は距離の増大とともに劣化することが多い。これは、遠車線や道路標識が画像中の少数のピクセルを占有しているためである。逆のパースペクティブマッピングは、パースペクティブの歪みを取り除くために使用できるが、本質的にはアーティファクトに繋がる可能性がある。
論文参考訳（メタデータ） (2020-03-19T03:22:52Z)

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。