論文の概要: SkyCam: A Dataset of Sky Images and their Irradiance values
- arxiv url: http://arxiv.org/abs/2105.02922v1
- Date: Thu, 6 May 2021 19:35:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-10 12:19:19.686814
- Title: SkyCam: A Dataset of Sky Images and their Irradiance values
- Title（参考訳）: SkyCam: スカイイメージのデータセットとその照度値
- Authors: Evangelos Ntavelis and Jan Remund and Philipp Schmid
- Abstract要約: SkyCamデータセットは、画像ベースのディープラーニングソリューションを使用して、ローカルレベルでの太陽放射の短期的かつ正確な予測を可能にします。
1年の間、スイスの3つの地理的に異なる場所で3つのカメラが10秒ごとに空の画像を取得している。
露光時間が異なる13の高解像度画像をキャプチャして、追加のHDR画像を作成する。
- 参考スコア（独自算出の注目度）: 1.4234044652074225
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recent advances in Computer Vision and Deep Learning have enabled astonishing
results in a variety of fields and applications. Motivated by this success, the
SkyCam Dataset aims to enable image-based Deep Learning solutions for
short-term, precise prediction of solar radiation on a local level. For the
span of a year, three different cameras in three topographically different
locations in Switzerland are acquiring images of the sky every 10 seconds.
Thirteen high resolution images with different exposure times are captured and
used to create an additional HDR image. The images are paired with highly
precise irradiance values gathered from a high-accuracy pyranometer.
- Abstract（参考訳）: コンピュータビジョンとディープラーニングの最近の進歩は、様々な分野や応用において驚くべき結果をもたらした。
この成功によって、SkyCam Datasetは画像ベースのDeep Learningソリューションにより、局所レベルでの太陽放射の短期的かつ正確な予測を可能にすることを目指している。
1年の間、スイスの3つの地理的に異なる場所で3つのカメラが10秒ごとに空の画像を取得している。
露光時間が異なる13の高解像度画像をキャプチャして、追加のHDR画像を作成する。
画像は高精度のピラノメーターから収集された高精度の照度値と対になる。
関連論文リスト
- Fast High Dynamic Range Radiance Fields for Dynamic Scenes [39.3304365600248]
我々はHDR-HexPlaneという動的HDR NeRFフレームワークを提案し、様々な露出で捉えた動的2D画像から3Dシーンを学習する。
提案したモデルでは、任意の時点における高品質なノベルビュー画像を、望まれる露光でレンダリングすることができる。
論文 参考訳（メタデータ） (2024-01-11T17:15:16Z) - SkyScenes: A Synthetic Dataset for Aerial Scene Understanding [13.55299647715449]
無人航空機の視点から高密度に注釈付けされた空中画像のデータセットSkyScenesを提示する。
SkyScenesで訓練されたモデルは、様々な現実世界のシナリオによく当てはまることを示す。
論文 参考訳（メタデータ） (2023-12-11T02:25:30Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - Multi-Exposure HDR Composition by Gated Swin Transformer [8.619880437958525]
本稿では,Swin Transformerに基づく新しいマルチ露光融合モデルを提案する。
露光空間ピラミッドにおける遠距離文脈依存性を自己認識機構により活用する。
実験により,本モデルが現在のマルチ露光HDR画像モデルと同等の精度が得られることが示された。
論文 参考訳（メタデータ） (2023-03-15T15:38:43Z) - Shakes on a Plane: Unsupervised Depth Estimation from Unstabilized
Photography [54.36608424943729]
2秒で取得した12メガピクセルのRAWフレームの「長バースト」では,自然手震動のみからの視差情報で高品質のシーン深度を回復できることが示されている。
我々は、長時間バーストデータにニューラルRGB-D表現を適合させるテスト時間最適化手法を考案し、シーン深度とカメラモーションを同時に推定する。
論文 参考訳（メタデータ） (2022-12-22T18:54:34Z) - A High Resolution Multi-exposure Stereoscopic Image & Video Database of
Natural Scenes [0.2578242050187029]
インド工科大学マドラス校内で収集した多目的マルチ露光データセットについて紹介する。
データセットはZEDカメラを使用してキャプチャされ、屋外と屋内の複雑なシーンを提供する。
提案されたデータセットは、研究コミュニティで公開されています。
論文 参考訳（メタデータ） (2022-06-22T13:54:02Z) - Multi-sensor large-scale dataset for multi-view 3D reconstruction [63.59401680137808]
マルチビュー3次元表面再構成のための新しいマルチセンサデータセットを提案する。
スマートフォン、Intel RealSense、Microsoft Kinect、産業用カメラ、構造化光スキャナーなどだ。
14の照明条件下で100方向から取得した107の異なるシーンの約1.4万枚の画像を提供する。
論文 参考訳（メタデータ） (2022-03-11T17:32:27Z) - BungeeNeRF: Progressive Neural Radiance Field for Extreme Multi-scale
Scene Rendering [145.95688637309746]
本稿では,大々的に変化するスケールにわたる詳細レンダリングを実現するプログレッシブ・ニューラル放射場である BungeeNeRF を紹介する。
多様なマルチスケールシーンをモデル化する上での BungeeNeRF の優位性を示す。
論文 参考訳（メタデータ） (2021-12-10T13:16:21Z) - Neural Radiance Fields for Outdoor Scene Relighting [70.97747511934705]
ニューラルラジアンス場に基づく屋外シーンライティングのための最初のアプローチであるNeRF-OSRを提案する。
従来の技術とは対照的に,本手法はシーン照明とカメラ視点の同時編集を可能にする。
シャドウ再現のための専用ネットワークも備えており、高品質の屋外照明に欠かせない。
論文 参考訳（メタデータ） (2021-12-09T18:59:56Z) - Urban Radiance Fields [77.43604458481637]
本研究では,都市屋外環境における世界地図作成によく利用されるスキャニングプラットフォームによって収集されたデータから3次元再構成と新しいビュー合成を行う。
提案手法は、制御された環境下での小さなシーンのための現実的な新しい画像の合成を実証したニューラルラジアンス場を拡張している。
これら3つのエクステンションはそれぞれ、ストリートビューデータの実験において、大幅なパフォーマンス改善を提供する。
論文 参考訳（メタデータ） (2021-11-29T15:58:16Z)
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。