論文の概要: Robust Glare Detection: Review, Analysis, and Dataset Release
- arxiv url: http://arxiv.org/abs/2110.06006v2
- Date: Wed, 13 Oct 2021 12:47:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-14 11:15:16.478991
- Title: Robust Glare Detection: Review, Analysis, and Dataset Release
- Title（参考訳）: Robust Glare Detection: レビュー、分析、データセットのリリース
- Authors: Mahdi Abolfazli Esfahani, Han Wang
- Abstract要約: 太陽のグレアは、無人の地上と屋外環境で活動する航空車両によって撮影された画像の中に広く存在する。
輝きの源は太陽に限らず、夜間や屋内で撮影された画像で見ることもできる。
この研究は、異なるカメラで撮影された画像を含む、グラア検出のための最初のデータセットを導入することを目的としている。
- 参考スコア（独自算出の注目度）: 6.281101654856357
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sun Glare widely exists in the images captured by unmanned ground and aerial
vehicles performing in outdoor environments. The existence of such artifacts in
images will result in wrong feature extraction and failure of autonomous
systems. Humans will try to adapt their view once they observe a glare
(especially when driving), and this behavior is an essential requirement for
the next generation of autonomous vehicles. The source of glare is not limited
to the sun, and glare can be seen in the images captured during the nighttime
and in indoor environments, which is due to the presence of different light
sources; reflective surfaces also influence the generation of such artifacts.
The glare's visual characteristics are different on images captured by various
cameras and depend on several factors such as the camera's shutter speed and
exposure level. Hence, it is challenging to introduce a general - robust and
accurate - algorithm for glare detection that can perform well in various
captured images. This research aims to introduce the first dataset for glare
detection, which includes images captured by different cameras. Besides, the
effect of multiple image representations and their combination in glare
detection is examined using the proposed deep network architecture. The
released dataset is available at https://github.com/maesfahani/glaredetection
- Abstract（参考訳）: 太陽の輝きは、屋外環境での無人地上と航空機で撮影された画像に広く存在する。
画像にそのようなアーティファクトが存在することは、誤った特徴抽出と自律システムの失敗をもたらす。
人間は(特に運転中に)輝きを観測すると自分の見解を適応させようとし、この行動は次世代の自動運転車にとって必須の要件である。
日光源は太陽に限らず、夜の間に撮影された画像や屋内環境では、異なる光源が存在するため、月光が見え、反射面はそのような人工物の生成にも影響を及ぼす。
グラアの視覚特性は様々なカメラで撮影された画像によって異なり、カメラのシャッター速度や露出レベルといったいくつかの要因に依存する。
したがって、様々な撮像画像でうまく機能するグラア検出のための汎用的、ロバストで正確なアルゴリズムを導入することは困難である。
本研究は,異なるカメラで撮影された画像を含む,グラア検出のための最初のデータセットの導入を目的としている。
さらに,提案したディープネットワークアーキテクチャを用いて,複数の画像表現とその組み合わせがグラア検出に与える影響について検討した。
リリースされたデータセットはhttps://github.com/maesfahani/glaredetectionで利用可能である。
関連論文リスト
- Intensity and Texture Correction of Omnidirectional Image Using Camera Images for Indirect Augmented Reality [0.0]
モバイル端末でカメラ画像を用いた拡張現実(AR)が観光振興に人気を博している。
カメラ画像に現れる観光客のような障害は、カメラのポーズ推定ミスを引き起こす可能性がある。
モバイル端末からのカメラ画像を用いて,過去の全方位画像の強度とテクスチャを補正する手法を提案する。
論文 参考訳（メタデータ） (2024-05-25T02:14:07Z) - NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative Learning for Dynamic Driving Scenes [49.92839157944134]
夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。
雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。
雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
論文 参考訳（メタデータ） (2024-02-28T09:02:33Z) - Indoor Obstacle Discovery on Reflective Ground via Monocular Camera [21.19387987977164]
視覚的障害物発見は、屋内移動ロボットの自律的なナビゲーションに向けた重要なステップである。
本稿では, この問題の鍵は, 反射や障害物に対する識別的特徴の獲得にあると論じる。
本稿では, 反射地におけるObstacle on Reflective Ground (ORG) の新たなデータセットについて紹介する。
論文 参考訳（メタデータ） (2024-01-02T22:07:44Z) - ScatterNeRF: Seeing Through Fog with Physically-Based Inverse Neural
Rendering [83.75284107397003]
本稿では,シーンをレンダリングし,霧のない背景を分解するニューラルネットワークレンダリング手法であるScatterNeRFを紹介する。
本研究では,散乱量とシーンオブジェクトの非絡み合い表現を提案し,物理に着想を得た損失を伴ってシーン再構成を学習する。
マルチビューIn-the-Wildデータをキャプチャして,大規模な霧室内でのキャプチャを制御し,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2023-05-03T13:24:06Z) - Nighttime Smartphone Reflective Flare Removal Using Optical Center
Symmetry Prior [81.64647648269889]
反射フレア(英: Reflective flare)は、レンズの内部に光が反射し、明るい点や「ゴースト効果」を引き起こす現象である。
我々は、反射フレアと光源が常にレンズの光学中心の周囲に対称であることを示す光中心対称性を事前に提案する。
多様なリアルな反射フレアパターンを含むブラケットフレアと呼ばれる最初の反射フレア除去データセットを作成します。
論文 参考訳（メタデータ） (2023-03-27T09:44:40Z) - Flare7K: A Phenomenological Nighttime Flare Removal Dataset [83.38205781536578]
最初の夜間フレア除去データセットであるFrare7Kを紹介する。
25種類の散乱フレアと10種類の反射フレアからなる、5,000個の散乱と2,000個の反射フレア画像を提供する。
ペア化されたデータにより、現実世界で撮影されたフレア崩壊画像の復元を効果的に行うことができる。
論文 参考訳（メタデータ） (2022-10-12T20:17:24Z) - A Dataset for Provident Vehicle Detection at Night [3.1969855247377827]
この直感的な人間の行動をコンピュータビジョンアルゴリズムにマッピングし、夜間に来るべき車両を検知する方法の問題点について検討する。
夜間の農村環境における346の異なるシーンのうち,59746の注釈付きグレースケール画像を含む大規模なオープンソースデータセットを提案する。
光反射などの視覚的手がかりを客観的に記述する上で,データセットの特徴と課題について論じる。
論文 参考訳（メタデータ） (2021-05-27T15:31:33Z) - Automatic Flare Spot Artifact Detection and Removal in Photographs [4.56877715768796]
フレアスポットは、多くの条件によって引き起こされるフレアアーティファクトの一種である。
本稿では,フレアスポットアーティファクトを自動的に検出・除去する頑健な計算手法を提案する。
論文 参考訳（メタデータ） (2021-03-07T15:51:49Z) - Unsupervised Depth and Ego-motion Estimation for Monocular Thermal Video
using Multi-spectral Consistency Loss [76.77673212431152]
本研究では,全日深度とエゴモーション推定のための教師なし学習手法を提案する。
提案手法はマルチスペクトル整合性損失を利用してネットワークを補完的に監視する。
提案手法で訓練されたネットワークは、低照度およびゼロ照度条件下での単眼熱ビデオの深度とポーズを堅牢に推定する。
論文 参考訳（メタデータ） (2021-03-01T05:29:04Z) - DAWN: Vehicle Detection in Adverse Weather Nature Dataset [4.09920839425892]
本研究では,DAWNと呼ばれる各種気象条件下で収集した実世界の画像からなる新しいデータセットを提案する。
このデータセットは、実際の交通環境から1000枚の画像を集め、霧、雪、雨、砂嵐の4つの天候条件に分けられる。
このデータは,車両検知システムの性能に及ぼす悪天候の影響の解明に有効である。
論文 参考訳（メタデータ） (2020-08-12T15:48:49Z) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z)
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。