Fugu-MT 論文翻訳(概要): Cross-view and Cross-domain Underwater Localization based on Optical Aerial and Acoustic Underwater Images

論文の概要: Cross-view and Cross-domain Underwater Localization based on Optical Aerial and Acoustic Underwater Images

arxiv url: http://arxiv.org/abs/2202.07817v1
Date: Wed, 16 Feb 2022 01:43:39 GMT
ステータス: 処理完了
システム内更新日: 2022-02-17 15:59:11.630105
Title: Cross-view and Cross-domain Underwater Localization based on Optical Aerial and Acoustic Underwater Images
Title（参考訳）: 光空中および音響水中画像に基づくクロスビューおよびクロスドメイン水中定位
Authors: Matheus M. Dos Santos, Giovanni G. De Giacomo, Paulo L. J. Drews-Jr, Silvia S. C. Botelho
Abstract要約: 本研究は、クロスビュー画像マッチングの考え方を拡張し、クロスドメインおよびクロスビューローカライゼーションフレームワークを提案する。本手法は, 水中車両の局所化を改善するため, カラー空中画像と水中音響画像の相関関係を同定する。
参考スコア（独自算出の注目度）: 0.6193838300896449
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Cross-view image matches have been widely explored on terrestrial image localization using aerial images from drones or satellites. This study expands the cross-view image match idea and proposes a cross-domain and cross-view localization framework. The method identifies the correlation between color aerial images and underwater acoustic images to improve the localization of underwater vehicles that travel in partially structured environments such as harbors and marinas. The approach is validated on a real dataset acquired by an underwater vehicle in a marina. The results show an improvement in the localization when compared to the dead reckoning of the vehicle.
Abstract（参考訳）: クロスビュー画像マッチングは、ドローンや衛星の空中画像を用いて地上画像のローカライゼーションについて広く研究されてきた。本研究は、クロスビュー画像マッチングの考え方を拡張し、クロスドメインおよびクロスビューローカライゼーションフレームワークを提案する。カラー空中画像と水中音響画像との相関関係を同定し、港やマリーナなどの部分的に構成された環境を走行する水中車両の局在性を改善する。このアプローチは、マリーナの水中車両が取得した実際のデータセット上で検証される。その結果, 車両の死亡推定値と比較すると, 位置推定精度は向上した。

関連論文リスト

Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
論文参考訳（メタデータ） (2022-12-23T03:00:28Z)
SUCRe: Leveraging Scene Structure for Underwater Color Restoration [1.9490160607392462]
本研究では,シーンの3次元構造を利用した水中色復元手法であるSUCReを紹介する。我々は、自然光から深海環境まで様々なシナリオにおいて、我々のアプローチを定量的、質的に分析する。
論文参考訳（メタデータ） (2022-12-18T16:53:13Z)
Learning Visual Representation of Underwater Acoustic Imagery Using Transformer-Based Style Transfer Method [4.885034271315195]
本論文は水中音響画像の視覚的表現を学習するための枠組みを提案する。これは、光学画像の低レベルのテクスチャ特徴を水中音響画像の視覚的特徴に置き換える可能性がある。提案するフレームワークは、擬似音響画像データセットを生成するために、リッチな光学画像データセットを完全に利用できる。
論文参考訳（メタデータ） (2022-11-10T07:54:46Z)
CVLNet: Cross-View Semantic Correspondence Learning for Video-based Camera Localization [89.69214577915959]
本稿では,クロスビューカメラのローカライゼーション問題に対処する。本稿では、類似性マッチングの前に、問合せカメラの衛星画像に対する相対変位を推定する。実験は、単一の画像に基づく位置決めよりもビデオベースの位置決めの有効性を実証した。
論文参考訳（メタデータ） (2022-08-07T07:35:17Z)
Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
論文参考訳（メタデータ） (2022-07-27T13:16:39Z)
Domain Adaptation for Underwater Image Enhancement via Content and Style Separation [7.077978580799124]
水中画像は、カラーキャスト、低コントラスト、光吸収、屈折、散乱によるハジー効果に悩まされている。近年の学習に基づく手法は水中画像の強調に驚くべき性能を示した。本稿では,コンテンツとスタイル分離による水中画像強調のための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） (2022-02-17T09:30:29Z)
Matching Underwater Sonar Images by the Learned Descriptor Based on Style Transfer Method [6.134248551458372]
本稿では,水中ソナー画像のマッチング性能を向上させるために,スタイル転送手法と学習記述器を組み合わせた手法を提案する。実験により,この手法はソナー画像のマッチング品質を大幅に向上させることが示された。また、スタイル転送手法を用いて水中ソナー画像の事前処理のための新しいアイデアも提供する。
論文参考訳（メタデータ） (2021-08-27T00:32:52Z)
Domain Adaptation for Underwater Image Enhancement [51.71570701102219]
本稿では,ドメイン間およびドメイン内ギャップを最小限に抑えるために,新しい2相水中ドメイン適応ネットワーク(TUDA)を提案する。第1段階では、入力画像のリアリズムを強化する翻訳部と、拡張部とを含む新しい二重配向ネットワークを設計する。第2フェーズでは、ランクベースの水中品質評価手法が組み込まれている強化画像の評価品質に応じて、実データを簡単に分類する。
論文参考訳（メタデータ） (2021-08-22T06:38:19Z)
Underwater Image Restoration via Contrastive Learning and a Real-world Dataset [59.35766392100753]
本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
論文参考訳（メタデータ） (2021-06-20T16:06:26Z)
Unsupervised Learning of Landmarks based on Inter-Intra Subject Consistencies [72.67344725725961]
本稿では,物体間ランドマーク成分を顔画像に組み込むことにより,画像ランドマーク発見のための教師なし学習手法を提案する。これは、補助的な主題関連構造に基づいて、元の主題のランドマークを変換するオブジェクト間マッピングモジュールによって達成される。変換された画像から元の被写体に戻るために、ランドマーク検出器は、対のオブジェクト内画像と対のオブジェクト間画像の両方に一貫した意味を含む空間的位置を学習せざるを得ない。
論文参考訳（メタデータ） (2020-04-16T20:38:16Z)
Evaluation of Cross-View Matching to Improve Ground Vehicle Localization with Aerial Perception [17.349420462716886]
クロスビューマッチング(クロスビューマッチング、cross-view matching)とは、あるクエリーグラウンドビュー画像の最も近いマッチングを、航空画像のデータベースから検索する問題を指す。本稿では,より長い軌道上での地上車両の位置決め作業に対するクロスビューマッチングの評価を行う。
論文参考訳（メタデータ） (2020-03-13T23:59:07Z)

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。