論文の概要: CD-GAN: a robust fusion-based generative adversarial network for unsupervised change detection between heterogeneous images

• arxiv url: http://arxiv.org/abs/2203.00948v1
• Date: Wed, 2 Mar 2022 08:58:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-03 14:17:10.760795
• Title: CD-GAN: a robust fusion-based generative adversarial network for unsupervised change detection between heterogeneous images
• Title（参考訳）: cd-gan:不均一画像間の教師なし変化検出のためのロバストな融合型生成逆ネットワーク
• Authors: Jin-Ju Wang, Nicolas Dobigeon, Marie Chabert, Ding-Cheng Wang, Jie Huang and Ting-Zhu Huang
• Abstract要約: 本稿では,いわゆる異種光画像を対象とした新しい教師なし変化検出手法を提案する。 一対のマルチバンドイメージを融合するために事前に設計、訓練された深い対向ネットワークは、同じアーキテクチャのネットワークで容易に補完することができ、変更検出を行うことができる。 最先端の変更検出手法との比較により,提案手法の有効性と有効性を示す。
• 参考スコア（独自算出の注目度）: 13.631255993191091
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the context of Earth observation, the detection of changes is performed from multitemporal images acquired by sensors with possibly different characteristics and modalities. Even when restricting to the optical modality, this task has proved to be challenging as soon as the sensors provide images of different spatial and/or spectral resolutions. This paper proposes a novel unsupervised change detection method dedicated to such so-called heterogeneous optical images. This method capitalizes on recent advances which frame the change detection problem into a robust fusion framework. More precisely, we show that a deep adversarial network designed and trained beforehand to fuse a pair of multiband images can be easily complemented by a network with the same architecture to perform change detection. The resulting overall architecture itself follows an adversarial strategy where the fusion network and the additional network are interpreted as essential building blocks of a generator. A comparison with state-of-the-art change detection methods demonstrate the versatility and the effectiveness of the proposed approach.
• Abstract（参考訳）: 地球観測の文脈では、異なる特性とモダリティを持つセンサによって取得された多時期画像から変化の検出を行う。 光モダリティに制限を課しても、センサーが異なる空間解像度やスペクトル解像度の画像を提供すると、この課題はすぐに困難であることが判明した。 本稿では,いわゆる異種光画像を対象とした教師なし変化検出手法を提案する。 この手法は、変化検出問題を堅牢な融合フレームワークに組み込んだ最近の進歩を生かしている。 より正確には、前もって設計・訓練された深層対向ネットワークが、同一アーキテクチャのネットワークによって容易に補うことができ、変更検出を行うことができることを示す。 結果として生じる全体的なアーキテクチャは、融合ネットワークと追加ネットワークがジェネレータの不可欠なビルディングブロックとして解釈される敵の戦略に従う。 最先端の変更検出手法との比較により,提案手法の有効性と有効性を示す。

関連論文リスト

• Novel Change Detection Framework in Remote Sensing Imagery Using Diffusion Models and Structural Similarity Index (SSIM) [0.0]
  変化検出はリモートセンシングにおいて重要な課題であり、環境変化、都市の成長、災害影響のモニタリングを可能にする。 近年の機械学習、特に拡散モデルのような生成モデルの発展は、変化検出精度を高める新たな機会を提供する。 本稿では,安定拡散モデルの強度と構造類似度指数(SSIM)を組み合わせ,頑健で解釈可能な変化マップを作成する新しい変化検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-20T07:54:08Z)
• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)
• Learning Transformations To Reduce the Geometric Shift in Object Detection [60.20931827772482]
  画像キャプチャプロセスの変動から生じる幾何シフトに対処する。 我々は、これらのシフトを最小限に抑えるために幾何変換の集合を学習する自己学習アプローチを導入する。 我々は,カメラの視野変化(FoV)と視点変化(視点変化)の2つの異なるシフトについて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-01-13T11:55:30Z)
• dual unet:a novel siamese network for change detection with cascade differential fusion [4.651756476458979]
  本稿では,変化検出タスク,すなわちDual-UNetのための新しいSiameseニューラルネットワークを提案する。 従来のバイテンポラル画像の符号化とは対照的に,画素の空間的差分関係に着目したエンコーダ差分アテンションモジュールを設計する。 実験により、提案手法は、一般的な季節変化検出データセットにおいて、常に最も高度な手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-12T14:24:09Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Spatial Context Awareness for Unsupervised Change Detection in Optical Satellite Images [11.018182254899859]
  SiROC(Sibling Regression for Optical Change Detection)について紹介する。 SiROCは、中高解像度の光学衛星画像における変化検出の教師なし手法である。 中解像度のSentinel-2と高解像度のPlanetscope画像による変化検出の競合性能を実現する。
  論文  参考訳（メタデータ） (2021-10-05T14:13:48Z)
• Self-supervised Multisensor Change Detection [14.191073951237772]
  両時間衛星画像における自己教師付き変化検出の文脈におけるマルチセンサ分析を再考する。 近年の自己教師あり学習手法の進歩は、その一部が少数の画像で機能することさえ示している。 そこで本研究では,非ラベル対象の二時間画像のみを用いたマルチセンサ変化検出手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:31:10Z)
• Unsupervised Discovery of Disentangled Manifolds in GANs [74.24771216154105]
  解釈可能な生成プロセスは、様々な画像編集アプリケーションに有用である。 本稿では,任意の学習された生成逆数ネットワークが与えられた潜在空間における解釈可能な方向を検出する枠組みを提案する。
  論文  参考訳（メタデータ） (2020-11-24T02:18:08Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Adaptive Local Structure Consistency based Heterogeneous Remote Sensing Change Detection [17.12689361909955]
  異種画像間の適応的局所構造整合性(ALSC)に基づく教師なしの変更検出手法を提案する。 ALSCは、不均一な画像が同じ基底オブジェクトに対して同じ構造情報を共有しているという事実を利用しており、これはモダリティ不変である。 実験結果から, ALSCに基づく変化検出手法の有効性を, 最先端手法との比較により検証した。
  論文  参考訳（メタデータ） (2020-08-29T10:33:43Z)
• 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。