論文の概要: Large-Field Contextual Feature Learning for Glass Detection
- arxiv url: http://arxiv.org/abs/2209.04639v1
- Date: Sat, 10 Sep 2022 11:08:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 13:15:55.651634
- Title: Large-Field Contextual Feature Learning for Glass Detection
- Title(参考訳): ガラス検出のための大規模コンテキスト特徴学習
- Authors: Haiyang Mei, Xin Yang, Letian Yu, Qiang Zhang, Xiaopeng Wei, Rynson
W.H. Lau
- Abstract要約: ガラス表面を1枚のRGB画像から検出する重要な問題を提案する。
この問題に対処するため、我々は最初の大規模ガラス検出データセット(GDD)を構築した。
本稿では,GDNet-Bと呼ばれる新しいガラス検出ネットワークを提案する。
- 参考スコア(独自算出の注目度): 44.222075782263175
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Glass is very common in our daily life. Existing computer vision systems
neglect it and thus may have severe consequences, e.g., a robot may crash into
a glass wall. However, sensing the presence of glass is not straightforward.
The key challenge is that arbitrary objects/scenes can appear behind the glass.
In this paper, we propose an important problem of detecting glass surfaces from
a single RGB image. To address this problem, we construct the first large-scale
glass detection dataset (GDD) and propose a novel glass detection network,
called GDNet-B, which explores abundant contextual cues in a large
field-of-view via a novel large-field contextual feature integration (LCFI)
module and integrates both high-level and low-level boundary features with a
boundary feature enhancement (BFE) module. Extensive experiments demonstrate
that our GDNet-B achieves satisfying glass detection results on the images
within and beyond the GDD testing set. We further validate the effectiveness
and generalization capability of our proposed GDNet-B by applying it to other
vision tasks, including mirror segmentation and salient object detection.
Finally, we show the potential applications of glass detection and discuss
possible future research directions.
- Abstract(参考訳): ガラスは私たちの日常生活でとても一般的です。
既存のコンピュータビジョンシステムはそれを無視し、例えばロボットがガラス壁に衝突するなど、深刻な結果をもたらす可能性がある。
しかし、ガラスの存在を感知することは容易ではない。
重要な課題は、任意のオブジェクト/シーンがガラスの後ろに現れることだ。
本稿では,単一のrgb画像からガラス表面を検出するための重要な問題を提案する。
この問題に対処するため,第1次大規模ガラス検出データセット(GDD)を構築し,GDNet-Bと呼ばれる新しいガラス検出ネットワークを提案する。
GDNet-BはGDDテストセット内外の画像に対して満足なガラス検出結果が得られることを示した。
ミラー分割や有能物体検出など他の視覚タスクに適用することにより,提案したGDNet-Bの有効性と一般化能力をさらに検証する。
最後に,ガラス検出の応用の可能性を示し,今後の研究の方向性について論じる。
関連論文リスト
- Glass Segmentation with Multi Scales and Primary Prediction Guiding [2.66512000865131]
ガラスのような物体は、日々の生活の中でどこにでも見えます。
本稿では,FineRescaling and Merging Module (FRM) から構成されるMGNetを提案する。
高信頼セグメンテーションマップを作成するために,不確実性を考慮した新たな損失関数を用いてモデルを監督する。
論文 参考訳(メタデータ) (2024-02-13T16:14:32Z) - 4D Unsupervised Object Discovery [53.561750858325915]
本研究では,3次元点雲と2次元RGB画像の時間的情報を用いた4次元データからオブジェクトを共同で検出する4次元非教師対象探索を提案する。
本稿では,2次元ローカライゼーションネットワークで協調的に最適化された3次元点雲上にClusterNetを提案することで,この課題に対する最初の実践的アプローチを提案する。
論文 参考訳(メタデータ) (2022-10-10T16:05:53Z) - Progressive Glass Segmentation [26.438341615170614]
ガラスには独自の視覚的な外観はなく、周囲の外観を伝達・反射するだけである。
既存のメソッドは通常、ディープネットワークのさまざまなレベルの機能から有用なキューを探索し、組み合わせます。
本研究では,識別可能性向上 (DE) モジュールを開発した。
論文 参考訳(メタデータ) (2022-09-06T08:11:17Z) - Depth-aware Glass Surface Detection with Cross-modal Context Mining [39.091162729266294]
ガラスの表面は、現代の建物が多くのガラスパネルを使用する傾向にあるため、ますます広くなっている。
これは、ロボット、自動運転車、ドローンなどの自律システムの運用に重大な課題をもたらす。
既存の作品は、ガラス境界のコンテキストや反射など、様々な手がかりを前者として活用しようと試みている。
RGB-D情報を取り入れたガラス表面検出のための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2022-06-22T17:56:09Z) - RBGNet: Ray-based Grouping for 3D Object Detection [104.98776095895641]
本稿では,点雲からの正確な3次元物体検出のための投票型3次元検出器RBGNetフレームワークを提案する。
決定された光線群を用いて物体表面上の点方向の特徴を集約する。
ScanNet V2 と SUN RGB-D による最先端の3D 検出性能を実現する。
論文 参考訳(メタデータ) (2022-04-05T14:42:57Z) - High-resolution Iterative Feedback Network for Camouflaged Object
Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。
エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。
我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文 参考訳(メタデータ) (2022-03-22T11:20:21Z) - SGM3D: Stereo Guided Monocular 3D Object Detection [62.11858392862551]
SGM3Dと呼ばれるステレオ誘導単分子物体検出ネットワークを提案する。
ステレオ画像から抽出したロバストな3次元特徴を利用して、モノクル画像から得られた特徴を強化する。
本手法は,余分な計算コストを伴わずに性能を向上させるために,他の多くの単分子的手法に統合することができる。
論文 参考訳(メタデータ) (2021-12-03T13:57:14Z) - GlassNet: Label Decoupling-based Three-stream Neural Network for Robust
Image Glass Detection [1.1825946875790057]
我々はラベルデカップリングを利用してラベル付き接地トラス(GT)マップを内部拡散マップと境界拡散マップに分解する。
新たに生成された2つの地図と協調したGTマップは、オブジェクト境界の不均衡分布を破り、ガラス検出品質が向上する。
マルチモーダル情報を統合するために,アテンションベースの境界認識機能であるMosaicモジュールを開発した。
論文 参考訳(メタデータ) (2021-08-25T08:33:49Z) - Enhanced Boundary Learning for Glass-like Object Segmentation [55.45473926510806]
本稿では,拡張境界学習によるガラス状物体分割問題を解くことを目的とする。
特に,より微細な境界キューを生成するための改良された微分モジュールを最初に提案する。
境界に沿った大域的な形状表現をモデル化するために,エッジ対応のグラフ畳み込みネットワークモジュールを提案する。
論文 参考訳(メタデータ) (2021-03-29T16:18:57Z)
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。