Fugu-MT 論文翻訳(概要): Applying multi-angled parallelism to Spanish topographical maps

論文の概要: Applying multi-angled parallelism to Spanish topographical maps

arxiv url: http://arxiv.org/abs/2203.01169v1
Date: Thu, 24 Feb 2022 00:12:01 GMT
ステータス: 処理完了
システム内更新日: 2022-03-06 12:32:10.948769
Title: Applying multi-angled parallelism to Spanish topographical maps
Title（参考訳）: スペイン地形地図への多角並列処理の適用
Authors: Josep-Maria Cusco, Marcos Faundez-Zanuy
Abstract要約: MAP(Multi-Angled Parallelism)は、バイナリ画像中の線を認識する手法である。スペイン語の地形図の行認識に適応している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Multi-Angled Parallelism (MAP) is a method to recognize lines in binary images. It is suitable to be implemented in parallel processing and image processing hardware. The binary image is transformed into directional planes, upon which, directional operators of erosion-dilation are iteratively applyed. From a set of basic operators, more complex ones are created, which let to extract the several types of lines. Each type is extracted with a different set of operations and so the lines are identified when extracted. In this paper, an overview of MAP is made, and it is adapted to line recognition in Spanish topographical maps, with the double purpose of testing the method in a real case and studying the process of adapting it to a custom application.
Abstract（参考訳）: multi-angled parallelism (map) はバイナリ画像中の線を認識する手法である。並列処理と画像処理のハードウェアで実装することが適している。二値画像は方向平面に変換され、その上で浸食拡散の方向演算子を反復的に適用する。基本作用素の集合から、より複雑な演算子を生成し、いくつかの種類の行を抽出する。各タイプは異なる操作セットで抽出され、抽出された行が識別される。本稿では,MAPの概要を述べるとともに,実例でテストし,それをカスタムアプリケーションに適用するプロセスを研究するという二重目的により,スペイン語地形図の行認識に適用する。

関連論文リスト

A General Ambiguity Model for Binary Edge Images with Edge Tracing and its Implementation [0.9558392439655012]
両端画像における交差点, 接合, その他の構造に対する汎用的, 直感的なあいまいさモデルを提案する。モデルはエッジトレースと組み合わせられ、エッジは接続されたピクセルの順序列である。単純な原則の小さなセットだけを使用することで、結果は直感的に説明できる。
論文参考訳（メタデータ） (2024-08-03T08:41:07Z)
Fully Geometric Panoramic Localization [16.200889977514862]
本稿では,2次元3次元線の形状のみを利用する軽量かつ高精度な位置決め手法を提案する。プレキャプチャされた3Dマップからパノラマ画像のローカライズを行う。我々の完全に幾何学的なアプローチは、広範囲なパラメータチューニングやニューラルネットワークのトレーニングを伴わないため、現実の世界に容易に展開できる実用的なアルゴリズムです。
論文参考訳（メタデータ） (2024-03-29T01:07:20Z)
Unpaired Translation from Semantic Label Maps to Images by Leveraging Domain-Specific Simulations [11.638139969660266]
シミュレーションされたラベルマップからフォトリアリスティックな画像を生成するためのコントラスト学習フレームワークを提案する。提案手法は,現実的でシーンの正確な翻訳を生成する。
論文参考訳（メタデータ） (2023-02-21T14:36:18Z)
Linguistic Query-Guided Mask Generation for Referring Image Segmentation [10.130530501400079]
画像セグメンテーションの参照は、与えられた言語表現に従って、興味のある画像領域をセグメンテーションすることを目的としている。本稿では,言語クエリ誘導マスク生成を行うために,トランスフォーマー上に構築されたエンドツーエンドフレームワークを提案する。
論文参考訳（メタデータ） (2023-01-16T13:38:22Z)
PI-Trans: Parallel-ConvMLP and Implicit-Transformation Based GAN for Cross-View Image Translation [84.97160975101718]
本稿では,新しい並列-ConvMLPモジュールと,複数のセマンティックレベルでのインプリシット変換モジュールで構成される,新しい生成逆ネットワークPI-Transを提案する。 PI-Transは、2つの挑戦的データセットの最先端手法と比較して、大きなマージンで最も質的で定量的なパフォーマンスを達成する。
論文参考訳（メタデータ） (2022-07-09T10:35:44Z)
Prompt-Based Multi-Modal Image Segmentation [81.58378196535003]
テスト時に任意のプロンプトに基づいて画像セグメンテーションを生成するシステムを提案する。プロンプトはテキストかイメージのいずれかでもよい。私たちはCLIPモデルをバックボーンとして構築し、トランスフォーマーベースのデコーダで拡張します。
論文参考訳（メタデータ） (2021-12-18T21:27:19Z)
Translating Images into Maps [43.81207458783278]
本研究では,トランスフォーマーネットワークの新たな形態を用いて,画像やビデオから直接,世界の鳥眼ビュー(BEV)にマップできることを示す。画像中の垂直走査線と、オーバーヘッドマップ内のカメラ位置を通る線との1-1対応を仮定する。問題を翻訳として使用すると、各ピクセルの役割を解釈する際に、ネットワークは画像のコンテキストを使用することができる。
論文参考訳（メタデータ） (2021-10-03T09:52:46Z)
Image Inpainting with Edge-guided Learnable Bidirectional Attention Maps [85.67745220834718]
不規則な穴の画像インペインティングを改善するためのエッジガイド学習可能な双方向注意マップ(Edge-LBAM)を紹介します。当社のEdge-LBAMメソッドには、予測エッジによる構造認識マスク更新を含むデュアルプロシージャが含まれています。広範な実験により,エッジlbamはコヒーレントな画像構造を生成し,色差やぼやけを防止できることがわかった。
論文参考訳（メタデータ） (2021-04-25T07:25:16Z)
Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
論文参考訳（メタデータ） (2020-12-02T18:19:51Z)
RANSAC-Flow: generic two-stage image alignment [53.11926395028508]
単純な教師なしのアプローチは、様々なタスクにおいて驚くほどうまく機能することを示す。その単純さにもかかわらず、我々の手法は様々なタスクやデータセットで競合する結果を示す。
論文参考訳（メタデータ） (2020-04-03T12:37:58Z)
IMRAM: Iterative Matching with Recurrent Attention Memory for Cross-Modal Image-Text Retrieval [105.77562776008459]
既存の手法は、注意機構を利用して、そのような対応をきめ細かな方法で探索する。既存の手法でこのような高度な対応を最適に捉えるのは難しいかもしれない。本稿では,複数段階のアライメントで対応を捉えるIMRAM法を提案する。
論文参考訳（メタデータ） (2020-03-08T12:24:41Z)

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。