論文の概要: Maximizing Self-supervision from Thermal Image for Effective Self-supervised Learning of Depth and Ego-motion

• arxiv url: http://arxiv.org/abs/2201.04387v1
• Date: Wed, 12 Jan 2022 09:49:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-13 15:22:09.027067
• Title: Maximizing Self-supervision from Thermal Image for Effective Self-supervised Learning of Depth and Ego-motion
• Title（参考訳）: 深度・自我運動の効果的な自己教師型学習のための熱画像からの自己監督の最大化
• Authors: Ukcheol Shin, Kyunghyun Lee, Byeong-Uk Lee, In So Kweon
• Abstract要約: 熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。 弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。 本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
• 参考スコア（独自算出の注目度）: 78.19156040783061
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recently, self-supervised learning of depth and ego-motion from thermal images shows strong robustness and reliability under challenging scenarios. However, the inherent thermal image properties such as weak contrast, blurry edges, and noise hinder to generate effective self-supervision from thermal images. Therefore, most research relies on additional self-supervision sources such as well-lit RGB images, generative models, and Lidar information. In this paper, we conduct an in-depth analysis of thermal image characteristics that degenerates self-supervision from thermal images. Based on the analysis, we propose an effective thermal image mapping method that significantly increases image information, such as overall structure, contrast, and details, while preserving temporal consistency. The proposed method shows outperformed depth and pose results than previous state-of-the-art networks without leveraging additional RGB guidance.
• Abstract（参考訳）: 近年,熱画像からの深度とエゴモーションの自己教師付き学習は,困難なシナリオ下での強い堅牢性と信頼性を示している。 しかし、弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するのを妨げている。 したがって、ほとんどの研究は、明るいRGB画像、生成モデル、ライダー情報などの追加の自己超越源に依存している。 本稿では,熱画像から自己スーパービジョンを縮退させる熱画像特性の詳細な解析を行う。 解析に基づいて, 時間的一貫性を維持しつつ, 全体構造, コントラスト, 詳細などの画像情報を大幅に増加させる効率的な熱画像マッピング手法を提案する。 提案手法は,RGBのガイダンスを付加することなく,従来の最先端ネットワークよりも優れた深度と結果を示す。

関連論文リスト

• Data Generation Scheme for Thermal Modality with Edge-Guided Adversarial Conditional Diffusion Model [10.539491614216839]
  本稿では,エッジガイド条件拡散モデルと呼ばれる新しい手法を提案する。 可視画像から抽出したエッジ情報を平均化し、画素レベルで正確に整列された擬似熱画像を生成することを目的とする。 LLVIPの実験は、画像生成の品質の観点から、既存の最先端アプローチよりもECDMの方が優れていることを示した。
  論文  参考訳（メタデータ） (2024-08-07T13:01:10Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Learning to Scale Temperature in Masked Self-Attention for Image Inpainting [11.52934596799707]
  マルチヘッド温度マスキング自己保持機構を用いた画像塗布フレームワークを提案する。 描画結果の画質の向上に加えて,新しいスケッチ生成手法を導入してユーザガイド画像編集に一般化する。
  論文  参考訳（メタデータ） (2023-02-13T06:37:17Z)
• Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
  バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。 このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。 熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
  論文  参考訳（メタデータ） (2022-04-06T19:47:41Z)
• Photothermal-SR-Net: A Customized Deep Unfolding Neural Network for Photothermal Super Resolution Imaging [9.160910754837756]
  本論文では, 基礎物理を考慮した深部展開によるデコンボリューションを行う光熱SR-Netを提案する。 光熱SR-Netは、各畳み込み層の得られた熱画像に訓練されたブロック分散しきい値を適用します。
  論文  参考訳（メタデータ） (2021-04-21T14:41:04Z)
• Simultaneous Face Hallucination and Translation for Thermal to Visible Face Verification using Axial-GAN [74.22129648654783]
  低分解能熱画像から熱可視面検証のタスクを紹介します。 本稿では,Axial-Generative Adversarial Network (Axial-GAN)を提案する。
  論文  参考訳（メタデータ） (2021-04-13T22:34:28Z)
• Learning Flow-based Feature Warping for Face Frontalization with Illumination Inconsistent Supervision [73.18554605744842]
  Flow-based Feature Warping Model (FFWM) は、正面画像を保存するフォトリアリスティックおよび照明の合成を学ぶ。 Illumination Preserving Module (IPM) を提案する。 Warp Attention Module (WAM) は、機能レベルでのポーズの相違を低減するために導入された。
  論文  参考訳（メタデータ） (2020-08-16T06:07:00Z)
• 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)
• Bayesian Fusion for Infrared and Visible Images [26.64101343489016]
  本稿では,赤外・可視画像のための新しいベイズ融合モデルを構築した。 我々は、融合画像が人間の視覚系を満たすようにすることを目指している。 従来の手法と比較して、新しいモデルは、高照度なターゲットとリッチテクスチャの詳細を持つより良い融合画像を生成することができる。
  論文  参考訳（メタデータ） (2020-05-12T14:57:19Z)

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。