論文の概要: Improving Nighttime Driving-Scene Segmentation via Dual Image-adaptive
Learnable Filters
- arxiv url: http://arxiv.org/abs/2207.01331v2
- Date: Mon, 20 Mar 2023 07:50:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 03:59:38.973881
- Title: Improving Nighttime Driving-Scene Segmentation via Dual Image-adaptive
Learnable Filters
- Title(参考訳): デュアルイメージ適応学習フィルタによる夜間運転・シーンセグメンテーションの改善
- Authors: Wenyu Liu, Wentong Li, Jianke Zhu, Miaomiao Cui, Xuansong Xie, Lei
Zhang
- Abstract要約: 夜間駆動条件におけるセマンティックセグメンテーションを改善するために,デュアルイメージ適応型学習可能フィルタ (DIAL-Filters) と呼ばれるアドオンモジュールを提案する。
DIAL-Filtersは、画像適応処理モジュール(IAPM)と学習可能な誘導フィルタ(LGF)の2つの部分で構成される。
- 参考スコア(独自算出の注目度): 27.960081476653023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semantic segmentation on driving-scene images is vital for autonomous
driving. Although encouraging performance has been achieved on daytime images,
the performance on nighttime images are less satisfactory due to the
insufficient exposure and the lack of labeled data. To address these issues, we
present an add-on module called dual image-adaptive learnable filters
(DIAL-Filters) to improve the semantic segmentation in nighttime driving
conditions, aiming at exploiting the intrinsic features of driving-scene images
under different illuminations. DIAL-Filters consist of two parts, including an
image-adaptive processing module (IAPM) and a learnable guided filter (LGF).
With DIAL-Filters, we design both unsupervised and supervised frameworks for
nighttime driving-scene segmentation, which can be trained in an end-to-end
manner. Specifically, the IAPM module consists of a small convolutional neural
network with a set of differentiable image filters, where each image can be
adaptively enhanced for better segmentation with respect to the different
illuminations. The LGF is employed to enhance the output of segmentation
network to get the final segmentation result. The DIAL-Filters are light-weight
and efficient and they can be readily applied for both daytime and nighttime
images. Our experiments show that DAIL-Filters can significantly improve the
supervised segmentation performance on ACDC_Night and NightCity datasets, while
it demonstrates the state-of-the-art performance on unsupervised nighttime
semantic segmentation on Dark Zurich and Nighttime Driving testbeds.
- Abstract(参考訳): 運転シーン画像のセマンティックセグメンテーションは自動運転に不可欠である。
昼間の映像では性能向上が達成されているが, 露光不足やラベル付きデータの欠如などにより, 夜間画像のパフォーマンスは不十分である。
これらの課題に対処するため、夜間駆動条件におけるセマンティックセグメンテーションを改善するために、デュアルイメージ適応学習可能なフィルタ(DIAL-Filters)と呼ばれるアドオンモジュールを提案する。
ダイヤルフィルタは画像適応処理モジュール(iapm)と学習可能な誘導フィルタ(lgf)の2つの部分からなる。
DIAL-Filtersでは、夜間運転シーンセグメンテーションのための教師なしフレームワークと教師なしフレームワークの両方を設計する。
具体的には、iapmモジュールは、小さな畳み込みニューラルネットワークと、微分可能なイメージフィルタのセットで構成されており、それぞれの画像は、異なる照度に対してより良好なセグメンテーションのために適応的に拡張することができる。
LGFは、最終的なセグメンテーション結果を得るためにセグメンテーションネットワークの出力を強化するために使用される。
DIAL-Filterは軽量で効率が良く、昼間と夜間の両方に簡単に適用できる。
ACDC_Night と NightCity のデータセットの教師付きセグメンテーション性能は,DAIL-Filter により大幅に向上し,ダークチューリッヒとナイトタイムドライビングテストベッドの教師なし夜間セグメンテーションにおける最先端のセグメンテーション性能を示す。
関連論文リスト
- Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。
具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。
提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
論文 参考訳(メタデータ) (2024-08-25T13:59:31Z) - RHRSegNet: Relighting High-Resolution Night-Time Semantic Segmentation [0.0]
夜間セマンティックセグメンテーションはコンピュータビジョンにおいて重要な課題であり、低照度条件下でのオブジェクトの正確な分類とセグメンテーションに焦点を当てている。
セマンティックセグメンテーションのための高分解能ネットワーク上でのリライトモデルを実装したRHRSegNetを提案する。
提案モデルでは、低照度画像や夜間画像においてHRnetセグメンテーション性能を5%向上させる。
論文 参考訳(メタデータ) (2024-07-08T15:07:09Z) - Skip-Attention: Improving Vision Transformers by Paying Less Attention [55.47058516775423]
視覚計算変換器(ViT)は、すべての層で高価な自己注意操作を使用する。
また,SkipAtを提案する。SkipAtは,先行層から自己注意を再利用して1層以上の注意を近似する手法である。
本稿では,画像の分類と自己教師型学習,ADE20Kのセマンティックセグメンテーション,SIDDの画像デノイング,DAVISのビデオデノナイズにおける手法の有効性を示す。
論文 参考訳(メタデータ) (2023-01-05T18:59:52Z) - Boosting Night-time Scene Parsing with Learnable Frequency [53.05778451012621]
NTSP(Night-Time Scene Parsing)は多くの視覚アプリケーション、特に自律運転に必須である。
既存の手法のほとんどは日中シーン解析のために提案されている。
提案手法は,NightCity,NightCity+およびBDD100K-nightデータセットの最先端手法に対して良好に動作することを示す。
論文 参考訳(メタデータ) (2022-08-30T13:09:59Z) - GPS-GLASS: Learning Nighttime Semantic Segmentation Using Daytime Video
and GPS data [15.430918080412518]
特に夜間セマンティックセグメンテーションは、注釈付き夜間画像の欠如により困難である。
夜間セマンティックセグメンテーションのための新しいGPSベースのトレーニングフレームワークを提案する。
実験により,複数の夜間セマンティックセグメンテーションデータセットにおける提案手法の有効性が示された。
論文 参考訳(メタデータ) (2022-07-27T05:05:04Z) - Illumination Adaptive Transformer [66.50045722358503]
軽量高速照明適応変換器(IAT)を提案する。
IATは、光変換パイプラインをローカルおよびグローバルISPコンポーネントに分解する。
我々は、複数の実世界のデータセット上でIATを広範囲に評価した。
論文 参考訳(メタデータ) (2022-05-30T06:21:52Z) - NightLab: A Dual-level Architecture with Hardness Detection for
Segmentation at Night [6.666707251631694]
夜間セグメンテーションフレームワークであるNightLabを提案する。
画像と局所の2段階のモデルであり、各レベルは光適応とセグメンテーションモジュールで構成されている。
NightCityとBDD100Kデータセットの実験では、並行メソッドと比較して、NightLabはステート・オブ・ザ・アート(SoTA)のパフォーマンスを達成している。
論文 参考訳(メタデータ) (2022-04-12T05:50:22Z) - Retinal Vessel Segmentation with Pixel-wise Adaptive Filters [47.8629995041574]
本稿では網膜血管分割の課題に対処する2つの新しい手法を提案する。
まず,マルチスケール残差類似度収集(MRSG)と呼ばれる軽量モジュールを考案し,画素ワイド適応フィルタ(PAフィルタ)を生成する。
第2に,セグメント化精度を高めるための応答キュー消去(RCE)戦略を導入する。
論文 参考訳(メタデータ) (2022-02-03T14:40:36Z) - Bi-Mix: Bidirectional Mixing for Domain Adaptive Nighttime Semantic
Segmentation [83.97914777313136]
自律運転では、様々な環境条件に適応できるセグメンテーションモデルを学ぶことが重要である。
本稿では,識別型夜間モデル学習を目的としたDANSS(Domain Adaptive Nighttime Semantic)の問題点について考察する。
本稿では,DANSS のための新しい Bi-Mix フレームワークを提案する。
論文 参考訳(メタデータ) (2021-11-19T17:39:47Z) - DANNet: A One-Stage Domain Adaptation Network for Unsupervised Nighttime
Semantic Segmentation [18.43890050736093]
夜間セマンティックセグメンテーションのための新しいドメイン適応ネットワーク(DANNet)を提案する。
ラベル付きデイタイムデータセットとラベルなしデータセットを備えた敵対的なトレーニングを採用している。
本手法は,夜間セマンティックセグメンテーションにおける最新性能を実現する。
論文 参考訳(メタデータ) (2021-04-22T02:49:28Z)
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。