論文の概要: Tiny Obstacle Discovery by Occlusion-Aware Multilayer Regression
- arxiv url: http://arxiv.org/abs/2111.09204v1
- Date: Wed, 17 Nov 2021 15:55:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-18 15:22:04.624972
- Title: Tiny Obstacle Discovery by Occlusion-Aware Multilayer Regression
- Title(参考訳): Occlusion-Aware Multilayer Regression によるTiny Obstacle Discovery
- Authors: Feng Xue and Anlong Ming and Yu Zhou
- Abstract要約: エッジは、単眼カメラを使って小さな障害物を発見するための基本的な視覚要素である。
細い障害物は、小ささや自由空間に類似した外観といった様々な性質のために、しばしば弱く不整合なエッジキューを持つ。
- 参考スコア(独自算出の注目度): 26.816111403848847
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Edges are the fundamental visual element for discovering tiny obstacles using
a monocular camera. Nevertheless, tiny obstacles often have weak and
inconsistent edge cues due to various properties such as small size and similar
appearance to the free space, making it hard to capture them. ...
- Abstract(参考訳): エッジは単眼カメラで小さな障害物を発見するための基本的な視覚要素である。
それでも、小さな障害物は、小さな大きさや自由空間に類似した外観などの様々な性質のために、弱く不整合なエッジキューを持つことが多く、捕獲が困難である。
...
関連論文リスト
- Improving the Detection of Small Oriented Objects in Aerial Images [0.0]
本研究では,オブジェクト指向物体検出モデルの分類・回帰タスクを強化することにより,空中画像中の小型物体を高精度に検出する手法を提案する。
ガイド・アテンション・ロス(GALoss)とボックス・ポイント・ロス(BPLoss)の2つの損失からなるアテンション・ポイント・ネットワークを設計した。
実験結果から,小型オブジェクトインスタンスを用いた標準指向型空中データセットにおける注意点ネットワークの有効性が示された。
論文 参考訳(メタデータ) (2024-01-12T11:00:07Z) - 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) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳(メタデータ) (2023-09-02T09:07:36Z) - Removing Image Artifacts From Scratched Lens Protectors [91.25975649906447]
モバイルデバイス用のカメラレンズの前にレンズプロテクターを配置し、損傷を避ける。
プロテクター自体は、特にプラスチック製の場合、簡単にひっかくことができる。
2つの協調モジュールを持つ統一フレームワークにおける固有の課題を考察し、相互のパフォーマンス向上を促進する。
論文 参考訳(メタデータ) (2023-02-11T17:17:27Z) - Vision-Based Mobile Robotics Obstacle Avoidance With Deep Reinforcement
Learning [49.04274612323564]
障害物回避は、移動ロボットの自律ナビゲーションのための根本的かつ困難な問題です。
本稿では,ロボットが単一眼カメラにのみ依存しなければならない単純な3D環境における障害物回避の問題を検討する。
データ駆動型エンドツーエンドディープラーニングアプローチとして,障害回避問題に取り組む。
論文 参考訳(メタデータ) (2021-03-08T13:05:46Z) - Slot Contrastive Networks: A Contrastive Approach for Representing
Objects [15.54136919933527]
ラベルのないオブジェクトを表現するための既存のアプローチでは、静的なイメージを持つ構造化生成モデルが使用されている。
静止画像が提供する制限信号に対する画素空間の損失と過度信頼を回避する新しい手法を提案する。
本手法は,スロット表現の空間における識別的・時間的損失を学習することにより,物体の動きを利用する。
論文 参考訳(メタデータ) (2020-07-18T01:01:39Z) - From two rolling shutters to one global shutter [57.431998188805665]
我々は、ローリングシャッターの歪みを解き放つことができる驚くほどシンプルなカメラ構成を探索する。
このようなセットアップは簡単で安価であり、ローリングシャッター歪みを修正するのに必要な幾何学的制約を持っている。
一般および特殊運動の基底となる幾何学を記述した方程式を導出し、それらの解を見つけるための効率的な方法を提案する。
論文 参考訳(メタデータ) (2020-06-02T22:18:43Z) - Towards Occlusion-Aware Multifocal Displays [33.48441420074575]
多焦点ディスプレイは、複数の焦点面に仮想コンテンツを配置し、それぞれが希薄な深さに配置する。
新たなConeTilt演算子は、ディスプレイパネルの各ピクセルで出力される光円錐を傾けるという、さらなる自由度を提供する。
位相のみの空間光変調器で容易に実装できることを実証する。
論文 参考訳(メタデータ) (2020-05-02T23:51:11Z) - SCRDet++: Detecting Small, Cluttered and Rotated Objects via
Instance-Level Feature Denoising and Rotation Loss Smoothing [131.04304632759033]
小さくて散らばった物体は実世界では一般的であり、検出は困難である。
本稿では,まず,物体検出にデノナイズするアイデアを革新的に紹介する。
機能マップ上のインスタンスレベルの記述は、小さくて散らばったオブジェクトの検出を強化するために行われる。
論文 参考訳(メタデータ) (2020-04-28T06:03:54Z) - PL${}_{1}$P -- Point-line Minimal Problems under Partial Visibility in
Three Views [4.779196219827507]
本稿では、3つの視点カメラで部分的に観察された空間における点と線の一般的な配置に関する最小限の問題の完全な分類について述べる。
余剰な特徴を取り除き、カメラを回避し、140616等級に減らすことができることを示す。
また、最小限の問題を最小限の問題を解決するために実用的であり、最小限の問題に対して最も単純なカメラ最小の問題を選択する方法を示す。
論文 参考訳(メタデータ) (2020-03-10T21:50:52Z)
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。
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。