論文の概要: Fine-Grained Texture Identification for Reliable Product Traceability

• arxiv url: http://arxiv.org/abs/2104.11548v1
• Date: Fri, 23 Apr 2021 11:53:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 13:05:52.250291
• Title: Fine-Grained Texture Identification for Reliable Product Traceability
• Title（参考訳）: 信頼性製品トレーサビリティのための細粒集合組織同定
• Authors: Junsong Wang, Yubo Li, Zhiyong Chang, Haitao Yue, Yonghua Lin
• Abstract要約: 我々は,製品自体の自然なテクスチャを直接一意な識別子として利用する,製品トレーサビリティに対する新しいアプローチを提案する。 ティーブリックテクスチャ検証と探索アルゴリズムの性能を評価するため,大規模なデータセットが作成されている。
• 参考スコア（独自算出の注目度）: 9.414651358362391
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Texture exists in lots of the products, such as wood, beef and compression tea. These abundant and stochastic texture patterns are significantly different between any two products. Unlike the traditional digital ID tracking, in this paper, we propose a novel approach for product traceability, which directly uses the natural texture of the product itself as the unique identifier. A texture identification based traceability system for Pu'er compression tea is developed to demonstrate the feasibility of the proposed solution. With tea-brick images collected from manufactures and individual users, a large-scale dataset has been formed to evaluate the performance of tea-brick texture verification and searching algorithm. The texture similarity approach with local feature extraction and matching achieves the verification accuracy of 99.6% and the top-1 searching accuracy of 98.9%, respectively.
• Abstract（参考訳）: 木、牛肉、圧縮茶など多くの製品にテクスチャーが存在する。 これらの豊富で確率的なテクスチャパターンは、どの製品とも大きく異なる。 本稿では,従来のデジタルID追跡とは違って,製品自体の自然なテクスチャを直接ユニークな識別子として利用する,製品トレーサビリティの新たなアプローチを提案する。 Pu'er圧縮茶のテクスチャ識別に基づくトレーサビリティシステムを開発し,提案手法の有効性を実証した。 製造業者や個人から収集した茶ブロック画像を用いて,茶ブロックテクスチャ検証と探索アルゴリズムの性能を評価するため,大規模データセットを構築した。 局所特徴抽出とマッチングによるテクスチャ類似性アプローチは,それぞれ99.6%,トップ1探索の98.9%の精度を実現している。

関連論文リスト

• Infinite Texture: Text-guided High Resolution Diffusion Texture Synthesis [61.189479577198846]
  Infinite Textureはテキストプロンプトから任意の大きさのテクスチャ画像を生成する方法である。 本手法は,1つのテクスチャ上に拡散モデルを微調整し,その分布をモデルの出力領域に埋め込むことを学習する。 1つのGPU上で任意の解像度の出力テクスチャ画像を生成するためのスコアアグリゲーションストラテジーによって、我々の微調整拡散モデルが生成される。
  論文  参考訳（メタデータ） (2024-05-13T21:53:09Z)
• TexTile: A Differentiable Metric for Texture Tileability [10.684366243276198]
  テクスチャ画像がそれ自身でベッドできる程度を定量化するための、新しい微分可能な計量であるTexTileを紹介する。 タイル状テクスチャ合成の既存の方法は、一般的なテクスチャの品質に焦点をあてるが、テクスチャの本質的な特性の明示的な分析は欠如している。
  論文  参考訳（メタデータ） (2024-03-19T17:59:09Z)
• Generating Non-Stationary Textures using Self-Rectification [70.91414475376698]
  本稿では,実例に基づく非定常テクスチャ合成の課題に対処する。 本稿では,ユーザが標準画像編集ツールを使用して参照テクスチャを初めて修正する,新しい2段階のアプローチを提案する。 提案手法は「自己修正(self-rectification)」と呼ばれ、このターゲットを自動的にコヒーレントでシームレスなテクスチャに洗練する。
  論文  参考訳（メタデータ） (2024-01-05T15:07:05Z)
• Keypoint Description by Symmetry Assessment -- Applications in Biometrics [49.547569925407814]
  有限展開によりキーポイント周辺の近傍を記述するモデルに基づく特徴抽出器を提案する。 そのような関数の等曲線は、原点(キーポイント)と推定されたパラメータがよく定義された幾何学的解釈を持つように、高度に対称な w.r.t である。
  論文  参考訳（メタデータ） (2023-11-03T00:49:25Z)
• Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
  近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。 我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
  論文  参考訳（メタデータ） (2023-04-02T10:25:09Z)
• Texture image analysis based on joint of multi directions GLCM and local ternary patterns [0.0]
  テクスチャ機能は、通勤視覚や機械学習問題において、多くの異なるアプリケーションで使用することができる。 2つのテクスチャ記述子、共起行列と局所三元パターンを組み合わせた新しい手法を提案する。 実験の結果,提案手法はいくつかの最先端手法と比較して高い分類率を示すことがわかった。
  論文  参考訳（メタデータ） (2022-09-05T09:53:00Z)
• SeamlessGAN: Self-Supervised Synthesis of Tileable Texture Maps [3.504542161036043]
  単一入力例からタイル状テクスチャマップを自動生成できるSeamlessGANを提案する。 合成問題にのみ焦点をあてた既存の方法とは対照的に,本研究は合成性とタイル性の両方に同時に取り組む。
  論文  参考訳（メタデータ） (2022-01-13T18:24:26Z)
• Deep Texture-Aware Features for Camouflaged Object Detection [69.84122372541506]
  本稿では, テクスチャ認識モジュールを定式化し, 深層畳み込みニューラルネットワークにおけるテクスチャ認識の特徴を学習する。 我々は,キャモフラージュされた物体検出のためのベンチマークデータセット上で,定性的かつ定量的にネットワークを評価した。
  論文  参考訳（メタデータ） (2021-02-05T04:38:32Z)
• Identifying Invariant Texture Violation for Robust Deepfake Detection [17.306386179823576]
  Invariant Texture Learning frameworkは,低画質で公開されたデータセットにのみアクセスすることができる。 本手法は, 被写体から転写したテクスチャによって, 被写体表面の微視的顔のテクスチャが必然的に侵害されることを前提とした。
  論文  参考訳（メタデータ） (2020-12-19T03:02:15Z)
• Experimental results on palmvein-based personal recognition by multi-snapshot fusion of textural features [3.274290296343038]
  本研究はパームヴェイン認識のためのテキスト特徴の複数スナップショット融合について検討し,その同定と検証を行った。 本研究の目的は、このことがヤシベイン認識に有効であることを示し、よく知られたベンチマークデータセット上で非常に高い認識率を実現することである。
  論文  参考訳（メタデータ） (2020-07-13T11:34:46Z)
• Region-adaptive Texture Enhancement for Detailed Person Image Synthesis [86.69934638569815]
  RATE-Netは、シャープなテクスチャで人物画像を合成するための新しいフレームワークである。 提案するフレームワークは,テクスチャ強化モジュールを利用して,画像から外観情報を抽出する。 DeepFashionベンチマークデータセットで実施された実験は、既存のネットワークと比較して、我々のフレームワークの優位性を実証した。
  論文  参考訳（メタデータ） (2020-05-26T02:33:21Z)

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。