論文の概要: Validation of Vector Data using Oblique Images

• arxiv url: http://arxiv.org/abs/2206.09038v1
• Date: Fri, 17 Jun 2022 22:45:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 18:01:57.521032
• Title: Validation of Vector Data using Oblique Images
• Title（参考訳）: 斜め画像を用いたベクトルデータの検証
• Authors: Pragyana Mishra, Eyal Ofek, Gur Kimchi
• Abstract要約: 本稿では,斜め画像を用いたベクトルデータの不整合を検出する頑健でスケーラブルなアルゴリズムを提案する。 このアルゴリズムは画像記述子を使用して、画像中の地理空間実体の局所的な外観を符号化する。 Support Vector Machineは、基礎となるベクトルデータと一致しないイメージ記述子を検出するように訓練されている。
• 参考スコア（独自算出の注目度）: 10.435599970058297
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Oblique images are aerial photographs taken at oblique angles to the earth's surface. Projections of vector and other geospatial data in these images depend on camera parameters, positions of the geospatial entities, surface terrain, occlusions, and visibility. This paper presents a robust and scalable algorithm to detect inconsistencies in vector data using oblique images. The algorithm uses image descriptors to encode the local appearance of a geospatial entity in images. These image descriptors combine color, pixel-intensity gradients, texture, and steerable filter responses. A Support Vector Machine classifier is trained to detect image descriptors that are not consistent with underlying vector data, digital elevation maps, building models, and camera parameters. In this paper, we train the classifier on visible road segments and non-road data. Thereafter, the trained classifier detects inconsistencies in vectors, which include both occluded and misaligned road segments. The consistent road segments validate our vector, DEM, and 3-D model data for those areas while inconsistent segments point out errors. We further show that a search for descriptors that are consistent with visible road segments in the neighborhood of a misaligned road yields the desired road alignment that is consistent with pixels in the image.
• Abstract（参考訳）: 斜めの画像は、地表の斜めの角度で撮影された空中写真である。 これらの画像におけるベクトルおよびその他の地理空間データの投影は、カメラパラメータ、地理空間実体の位置、地表地形、閉塞、可視性に依存する。 本稿では,斜め画像を用いたベクトルデータの不整合を検出する頑健でスケーラブルなアルゴリズムを提案する。 このアルゴリズムは画像記述子を用いて、画像中の地理空間エンティティの局所的な外観を符号化する。 これらの画像記述子は、色、画素強度勾配、テクスチャ、ステアブルフィルタ応答を組み合わせる。 Support Vector Machine分類器は、基礎となるベクトルデータ、デジタル標高マップ、構築モデル、カメラパラメータと一致しない画像記述子を検出するように訓練されている。 本稿では,視覚的道路セグメントと非道路データに基づいて分類器を訓練する。 その後、訓練された分類器は、オクルードとミスアライメントの両方を含むベクトルの不整合を検出する。 整合性のある道路セグメントは、これらの領域のベクトル、DEMおよび3次元モデルデータを検証し、不整合セグメントはエラーを指摘する。 さらに,不整列道路近傍の目に見える道路セグメントと一致する記述子を探索することで,画像中の画素と一致する所望の道路アライメントが得られることを示す。

関連論文リスト

• Semi-supervised segmentation of land cover images using nonlinear canonical correlation analysis with multiple features and t-SNE [1.7000283696243563]
  イメージセグメンテーションはクラスタリングタスクであり、各ピクセルにクラスタラベルが割り当てられる。 本研究では,少数のピクセルのみをラベル付けすることで,半教師付きセグメンテーション手法を提案する。 提案した半教師付きRBF-CCAアルゴリズムは、リモートセンシングされた複数のマルチスペクトル画像に実装されている。
  論文  参考訳（メタデータ） (2024-01-22T17:56:07Z)
• DIAR: Deep Image Alignment and Reconstruction using Swin Transformers [3.1000291317724993]
  画像歪みのある画像を含むデータセットを作成する。 我々は、対応する地平線ホモグラフをラベルとして、視点歪みを生成する。 データセットを使用して、Swinトランスフォーマーモデルをトレーニングし、シーケンシャルな画像データを分析します。
  論文  参考訳（メタデータ） (2023-10-17T21:59:45Z)
• Linear features segmentation from aerial images [0.0]
  本稿では,U-Net や SegNet などの深層学習モデルを用いて,道路交通の分岐線を航空画像から分類・区分けする手法を提案する。 注釈付きデータはこれらのモデルをトレーニングするために使用され、その後、空中画像の分類と分類に使用される。 また,道路のディジタル可視化のためのCADファイルを構築するために,都市計画者が利用できるセグメント化出力から,各流域のx座標とy座標を抽出した。
  論文  参考訳（メタデータ） (2022-12-23T18:51:14Z)
• Unsupervised Foggy Scene Understanding via Self Spatial-Temporal Label Diffusion [51.11295961195151]
  運転シーンの霧画像列の特徴を利用して、自信ある擬似ラベルを密度化する。 局所的な空間的類似性と逐次画像データの隣接時間対応の2つの発見に基づいて,新たなターゲット・ドメイン駆動擬似ラベル拡散方式を提案する。 本手法は,2つの天然霧のデータセット上で51.92%,53.84%の平均交叉結合(mIoU)を達成するのに有効である。
  論文  参考訳（メタデータ） (2022-06-10T05:16:50Z)
• Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
  画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。 最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。 本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-15T01:54:25Z)
• Learning To Segment Dominant Object Motion From Watching Videos [72.57852930273256]
  我々は,有意な移動物体セグメンテーションのための単純なフレームワークを構想する。このフレームワークは,有意なデータを必要としないし,有意な前処理や事前学習された光フローマップに依存しない。 層状画像表現に着想を得て,アフィンパラメトリックの動きに応じて画素領域をグループ化する手法を提案する。 これにより、トレーニングと推論の両方の入力として、RGBイメージペアのみを使用して、支配的なフォアグラウンドオブジェクトのセグメンテーションを学習することができる。
  論文  参考訳（メタデータ） (2021-11-28T14:51:00Z)
• Compositional Sketch Search [91.84489055347585]
  フリーハンドスケッチを用いて画像コレクションを検索するアルゴリズムを提案する。 シーン構成全体を特定するための簡潔で直感的な表現として描画を利用する。
  論文  参考訳（メタデータ） (2021-06-15T09:38:09Z)
• DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
  DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。 本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。 登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
  論文  参考訳（メタデータ） (2021-04-08T04:27:32Z)
• Self-supervised Segmentation via Background Inpainting [96.10971980098196]
  移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。 我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。 本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-11T08:34:40Z)
• Detecting Lane and Road Markings at A Distance with Perspective Transformer Layers [5.033948921121557]
  既存の手法では、検出精度は距離の増大とともに劣化することが多い。 これは、遠車線や道路標識が画像中の少数のピクセルを占有しているためである。 逆のパースペクティブマッピングは、パースペクティブの歪みを取り除くために使用できるが、本質的にはアーティファクトに繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-03-19T03:22:52Z)

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。