Fugu-MT 論文翻訳(概要): Contribution of the Temperature of the Objects to the Problem of Thermal Imaging Focusing

論文の概要: Contribution of the Temperature of the Objects to the Problem of Thermal Imaging Focusing

arxiv url: http://arxiv.org/abs/2203.16106v1
Date: Wed, 30 Mar 2022 07:28:13 GMT
ステータス: 処理完了
システム内更新日: 2022-03-31 15:03:41.952020
Title: Contribution of the Temperature of the Objects to the Problem of Thermal Imaging Focusing
Title（参考訳）: 熱画像集束問題における被写体温度の寄与
Authors: Virginia Espinosa-Dur\'o, Marcos Faundez-Zanuy, Jiri Mekyska
Abstract要約: 画像に焦点を合わせるとき、被写体から被写体までの距離、被写界深度、開口度、距離は、可視光スペクトルと赤外線スペクトルの両方を考慮に入れなければならない。さらに, 熱スペクトルの集束問題は, 物体自体の温度(および/またはシーン)にもほとんど依存しないことが明らかとなった。
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: When focusing an image, depth of field, aperture and distance from the camera to the object, must be taking into account, both, in visible and in infrared spectrum. Our experiments reveal that in addition, the focusing problem in thermal spectrum is also hardly dependent of the temperature of the object itself (and/or the scene).
Abstract（参考訳）: 焦点を合わせるとき、視野の深さ、カメラから物体までの距離は、可視スペクトルと赤外線スペクトルの両方で考慮しなければならない。実験の結果,熱スペクトルの焦点問題も物体自体の温度(および/またはシーン)にはほとんど依存しないことが判明した。

関連論文リスト

Adaptive Stereo Depth Estimation with Multi-Spectral Images Across All Lighting Conditions [58.88917836512819]
本稿では,立体深度推定を取り入れた新しいフレームワークを提案し,正確な幾何学的制約を強制する。照明の劣化がステレオマッチングに与える影響を軽減するために,劣化マスキングを導入する。提案手法は,Multi-Spectral Stereo(MS2)データセット上でのSOTA(State-of-the-art)性能を実現する。
論文参考訳（メタデータ） (2024-11-06T03:30:46Z)
Absorption-Based, Passive Range Imaging from Hyperspectral Thermal Measurements [6.719751155411075]
環境熱放射の大気吸収に基づく新しい受動レンジイメージング手法を提案する。 15mから150mの範囲の特徴は回復され、不整合ライダーデータとの質的整合性が良好である。
論文参考訳（メタデータ） (2023-08-10T18:35:22Z)
Thermal Spread Functions (TSF): Physics-guided Material Classification [21.120014488056032]
本研究では,物体の熱特性に依存する物理誘導材料分類フレームワークを提案する。物体の加熱と冷却の速度は、材料の固有の性質、すなわち放射率と拡散率に依存する。提案手法は, 小型光源(低出力レーザー)とサーマルカメラのみを要し, 16クラスで86%の精度でロバストな分類結果が得られる。
論文参考訳（メタデータ） (2023-04-03T03:07:26Z)
Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
論文参考訳（メタデータ） (2022-10-09T13:50:12Z)
Maximizing Self-supervision from Thermal Image for Effective Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
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。
論文参考訳（メタデータ） (2022-01-12T09:49:24Z)
A learning-based view extrapolation method for axial super-resolution [52.748944517480155]
軸光界分解能は、再焦点によって異なる深さで特徴を区別する能力を指します。せん断エピポーラ平面画像の軸体積から新しい視点を推定する学習に基づく手法を提案する。
論文参考訳（メタデータ） (2021-03-11T07:22:13Z)
Unsupervised Depth and Ego-motion Estimation for Monocular Thermal Video using Multi-spectral Consistency Loss [76.77673212431152]
本研究では,全日深度とエゴモーション推定のための教師なし学習手法を提案する。提案手法はマルチスペクトル整合性損失を利用してネットワークを補完的に監視する。提案手法で訓練されたネットワークは、低照度およびゼロ照度条件下での単眼熱ビデオの深度とポーズを堅牢に推定する。
論文参考訳（メタデータ） (2021-03-01T05:29:04Z)
Multispectral Object Detection with Deep Learning [7.592218846348004]
本研究では,物体検出タスクにおいて,熱スペクトルとNIRスペクトルの両方を用いて撮像を行った。我々は、マルチスペクトル画像から物体を検出するために、YOLO v3ネットワークをスクラッチからトレーニングする。
論文参考訳（メタデータ） (2021-02-05T11:39:14Z)
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。