論文の概要: A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth
- arxiv url: http://arxiv.org/abs/2206.06427v1
- Date: Mon, 13 Jun 2022 19:14:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-15 14:36:09.738115
- Title: A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth
- Title(参考訳): 定量ヘイズレベルとグラウンドトゥルースを有する多目的実ハイズベンチマーク
- Authors: Priya Narayanan, Xin Hu, Zhenyu Wu, Matthew D Thielke, John G Rogers,
Andre V Harrison, John A D'Agostino, James D Brown, Long P Quang, James R
Uplinger, Heesung Kwon, Zhangyang Wang
- Abstract要約: 本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
- 参考スコア(独自算出の注目度): 61.90504318229845
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Imagery collected from outdoor visual environments is often degraded due to
the presence of dense smoke or haze. A key challenge for research in scene
understanding in these degraded visual environments (DVE) is the lack of
representative benchmark datasets. These datasets are required to evaluate
state-of-the-art object recognition and other computer vision algorithms in
degraded settings. In this paper, we address some of these limitations by
introducing the first paired real image benchmark dataset with hazy and
haze-free images, and in-situ haze density measurements. This dataset was
produced in a controlled environment with professional smoke generating
machines that covered the entire scene, and consists of images captured from
the perspective of both an unmanned aerial vehicle (UAV) and an unmanned ground
vehicle (UGV). We also evaluate a set of representative state-of-the-art
dehazing approaches as well as object detectors on the dataset. The full
dataset presented in this paper, including the ground truth object
classification bounding boxes and haze density measurements, is provided for
the community to evaluate their algorithms at: https://a2i2-archangel.vision. A
subset of this dataset has been used for the Object Detection in Haze Track of
CVPR UG2 2022 challenge.
- Abstract(参考訳): 屋外の視覚環境から収集された画像は、濃密な煙やヘイズの存在により劣化することが多い。
これらの劣化した視覚環境(DVE)におけるシーン理解の研究における重要な課題は、代表的なベンチマークデータセットの欠如である。
これらのデータセットは、最先端のオブジェクト認識や他のコンピュータビジョンアルゴリズムを劣化した設定で評価するために必要である。
本稿では,ハズフリー画像を用いた最初のペア実画像ベンチマークと,その場でのハズ密度測定を導入することで,これらの制約に対処する。
このデータセットは、現場全体を覆うプロの煙発生装置で制御された環境で作られ、無人航空機(UAV)と無人地上機(UGV)の両方の観点から撮影された画像で構成されている。
また,データ集合上の物体検出装置と同様に,最先端のデハジング手法のセットを評価する。
ground truth object classification bounding boxとhaze density measurementを含む、本論文で提示された完全なデータセットは、コミュニティがアルゴリズムを次のように評価するために提供される。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
関連論文リスト
- CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle
Components [77.33782775860028]
車両の新たな総合ベンチマークであるCarPatchを紹介する。
内在カメラパラメータと外在カメラパラメータを付加した画像のセットに加えて、各ビューに対して対応する深度マップとセマンティックセグメンテーションマスクが生成されている。
グローバルとパートベースのメトリクスは、いくつかの最先端技術を評価し、比較し、より良い特徴付けるために定義され、使われてきた。
論文 参考訳(メタデータ) (2023-07-24T11:59:07Z) - AVOIDDS: Aircraft Vision-based Intruder Detection Dataset and Simulator [37.579437595742995]
AVOIDDSは、視覚に基づく航空機の検知・回避問題に対する現実的な物体検出ベンチマークである。
各種照明条件を有する侵入機の光実写画像72,000枚からなるラベル付きデータセットを提供する。
また、このデータセットのスライス上でトレーニングされたモデルを評価し、環境条件の変化に対する性能の変化を特定するインタフェースも提供する。
論文 参考訳(メタデータ) (2023-06-19T23:58:07Z) - A Semi-supervised Object Detection Algorithm for Underwater Imagery [10.017195276758455]
本稿では, 変分オートエンコーダ(VAE)に基づく半教師付きフレームワークを用いて, 人工物体を異常として扱い, 検出することを提案する。
本研究では,学習した低次元潜在空間における画像データをクラスタリングし,異常な特徴を含む可能性のある画像を抽出する手法を提案する。
大規模な画像データセットに両方の手法を適用することで、人間のオペレーターが興味のある対象を特定するために、偽陽性率の低い候補異常なサンプルを提示できることを実証する。
論文 参考訳(メタデータ) (2023-06-07T23:40:04Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳(メタデータ) (2023-04-27T20:21:18Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳(メタデータ) (2021-05-07T03:49:26Z) - Domain-Aware Unsupervised Hyperspectral Reconstruction for Aerial Image
Dehazing [16.190455993566864]
空中画像におけるヘイズ除去のためのSkyGANを提案する。
SkyGANは、1)ドメイン対応のH2Hモジュール、2)条件付きGAN(cGAN)ベースのマルチキュー画像-画像変換モジュール(I2I)から構成される。
論文 参考訳(メタデータ) (2020-11-07T03:30:52Z) - Single View Metrology in the Wild [94.7005246862618]
本研究では,物体の3次元の高さや地上のカメラの高さで表現されるシーンの絶対的なスケールを再現する,単一ビューメロジに対する新しいアプローチを提案する。
本手法は,被写体の高さなどの3Dエンティティによる未知のカメラとの相互作用から,弱い教師付き制約を抑えるために設計されたディープネットワークによって学習されたデータ駆動の先行情報に依存する。
いくつかのデータセットと仮想オブジェクト挿入を含むアプリケーションに対して、最先端の定性的かつ定量的な結果を示す。
論文 参考訳(メタデータ) (2020-07-18T22:31:33Z) - EAGLE: Large-scale Vehicle Detection Dataset in Real-World Scenarios
using Aerial Imagery [3.8902657229395894]
航空画像における物体方向情報を用いた多種多様な車両検出のための大規模データセットを提案する。
様々なカメラセンサー、解像度、飛行高度、天候、照明、ヘイズ、シャドウ、時間、都市、国、オクルージョン、カメラアングルを備えた、さまざまな現実世界の状況からなる高解像度の空中画像が特徴である。
215,986のインスタンスに4つのポイントと向きで定義された向き付きバウンディングボックスがアノテートされており、このタスクでこれまでで最大のデータセットとなっている。
また、ヘイズやシャドウ除去の研究や、超高解像度やインペイントの応用も支援している。
論文 参考訳(メタデータ) (2020-07-12T23:00:30Z) - NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and
Haze-Free Images [95.00583228823446]
NH-HAZEは非同質な現実的データセットであり、実写のヘイズフリー画像とそれに対応するヘイズフリー画像のペアである。
本研究は、NH-HAZEデータセットを用いて評価した、最先端の単一画像デハージング手法の客観的評価を示す。
論文 参考訳(メタデータ) (2020-05-07T15:50:37Z)
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。