論文の概要: Towards Bridging the Space Domain Gap for Satellite Pose Estimation using Event Sensing

• arxiv url: http://arxiv.org/abs/2209.11945v1
• Date: Sat, 24 Sep 2022 07:22:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 17:26:32.129712
• Title: Towards Bridging the Space Domain Gap for Satellite Pose Estimation using Event Sensing
• Title（参考訳）: イベントセンシングによる衛星画像推定のための空間領域ギャップのブリッジ化に向けて
• Authors: Mohsi Jawaid, Ethan Elms, Yasir Latif and Tat-Jun Chin
• Abstract要約: イベントセンシングは、スターク照明の違いの下で、シミュレーションからターゲットドメインへの一般化を期待できるソリューションを提供する。 我々の主な貢献は、合成データに基づいて純粋に訓練されたイベントベースの衛星ポーズ推定技術である。 その結果,適応のない合成データのみを訓練した事象に基づく衛星ポーズ推定法が,対象領域に効果的に一般化できることが示唆された。
• 参考スコア（独自算出の注目度）: 35.467052373502575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep models trained using synthetic data require domain adaptation to bridge the gap between the simulation and target environments. State-of-the-art domain adaptation methods often demand sufficient amounts of (unlabelled) data from the target domain. However, this need is difficult to fulfil when the target domain is an extreme environment, such as space. In this paper, our target problem is close proximity satellite pose estimation, where it is costly to obtain images of satellites from actual rendezvous missions. We demonstrate that event sensing offers a promising solution to generalise from the simulation to the target domain under stark illumination differences. Our main contribution is an event-based satellite pose estimation technique, trained purely on synthetic event data with basic data augmentation to improve robustness against practical (noisy) event sensors. Underpinning our method is a novel dataset with carefully calibrated ground truth, comprising of real event data obtained by emulating satellite rendezvous scenarios in the lab under drastic lighting conditions. Results on the dataset showed that our event-based satellite pose estimation method, trained only on synthetic data without adaptation, could generalise to the target domain effectively.
• Abstract（参考訳）: 合成データを用いて訓練された深層モデルは、シミュレーションとターゲット環境の間のギャップを埋めるためにドメイン適応を必要とする。 最先端のドメイン適応メソッドは、ターゲットドメインから十分な量の(ラベルなし)データを要求することが多い。 しかし、対象領域が空間のような極端な環境である場合、この要求を満たすことは困難である。 本稿では,本研究の目的は,衛星の近接位置推定であり,実際のランデブーミッションから衛星画像を取得するのに費用がかかることにある。 我々は,イベントセンシングが,シミュレーションから対象領域に一般化する有望な解決策であることを示す。 我々の主な貢献は、実用的な(ノイズの多い)イベントセンサに対するロバスト性を改善するために、基本データ拡張による合成イベントデータに基づいて純粋に訓練されたイベントベースの衛星ポーズ推定技術である。 提案手法の基盤となるのは,実験室における衛星ランデブーのシナリオを,劇的な照明条件下でエミュレートした実事象データからなる,精密に校正された地上真実のデータセットである。 その結果, 適応性のない合成データのみに基づいて学習したイベントベース衛星ポーズ推定手法が, 効果的に対象領域に一般化できることがわかった。

関連論文リスト

• Test-Time Certifiable Self-Supervision to Bridge the Sim2Real Gap in Event-Based Satellite Pose Estimation [39.53065184075108]
  Sim2Realのギャップの主な原因は、試験中に遭遇した新しい照明条件である。 本稿では,認証モジュールを用いたテスト時間自己監督方式を提案する。
  論文  参考訳（メタデータ） (2024-09-10T06:17:07Z)
• Vision-Based Detection of Uncooperative Targets and Components on Small Satellites [6.999319023465766]
  宇宙デブリと不活性衛星は、運用宇宙船の安全性と完全性に脅威をもたらす。 コンピュータビジョンモデルの最近の進歩は、そのような非協調的な目標を追跡する既存の方法を改善するために利用することができる。 本稿では,これらの物体を学習とコンピュータビジョンを用いて識別・監視する自律検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-22T02:48:13Z)
• SPADES: A Realistic Spacecraft Pose Estimation Dataset using Event Sensing [9.583223655096077]
  実際のターゲットデータセットへのアクセスが限られているため、アルゴリズムはしばしば合成データを使用して訓練され、実際のドメインに適用される。 イベントセンシングは過去にも行われており、シミュレーションと実世界のシナリオの間のドメインギャップを減らすことが示されている。 制御された実験室で取得した実イベントデータと、同じカメラ内在性を用いてイベントデータをシミュレートした新しいデータセットSPADESを提案する。
  論文  参考訳（メタデータ） (2023-11-09T12:14:47Z)
• On the Generation of a Synthetic Event-Based Vision Dataset for Navigation and Landing [69.34740063574921]
  本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。 我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。 パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-08-01T09:14:20Z)
• Synthetic-to-Real Domain Adaptation for Action Recognition: A Dataset and Baseline Performances [76.34037366117234]
  ロボット制御ジェスチャー(RoCoG-v2)と呼ばれる新しいデータセットを導入する。 データセットは7つのジェスチャークラスの実ビデオと合成ビデオの両方で構成されている。 我々は,最先端の行動認識とドメイン適応アルゴリズムを用いて結果を示す。
  論文  参考訳（メタデータ） (2023-03-17T23:23:55Z)
• One-Shot Domain Adaptive and Generalizable Semantic Segmentation with Class-Aware Cross-Domain Transformers [96.51828911883456]
  セマンティックセグメンテーションのための教師なしのsim-to-realドメイン適応(UDA)は、シミュレーションデータに基づいて訓練されたモデルの実世界のテスト性能を改善することを目的としている。 従来のUDAは、適応のためのトレーニング中に利用可能なラベルのない実世界のサンプルが豊富にあると仮定することが多い。 実世界のデータサンプルが1つしか利用できない,一発の教師なしシム・トゥ・リアル・ドメイン適応(OSUDA)と一般化問題について検討する。
  論文  参考訳（メタデータ） (2022-12-14T15:54:15Z)
• Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
  本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。 提案手法による事前学習では, 25%の絶対mIoUが得られた。 学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
  論文  参考訳（メタデータ） (2022-03-11T16:14:14Z)
• SPARK: SPAcecraft Recognition leveraging Knowledge of Space Environment [10.068428438297563]
  本稿では、SPARKデータセットを新しいユニークな空間オブジェクトマルチモーダルイメージデータセットとして提案する。 SPARKデータセットは、現実的な宇宙シミュレーション環境下で生成される。 1モードあたり約150kの画像、RGBと深さ、宇宙船とデブリの11のクラスを提供する。
  論文  参考訳（メタデータ） (2021-04-13T07:16:55Z)
• Domain Adaptation with Incomplete Target Domains [61.68950959231601]
  本稿では、この新たなドメイン適応問題に対処するために、不完全データインプットに基づく Adversarial Network (IDIAN) モデルを提案する。 提案モデルでは,対象領域における部分的な観測に基づいて,欠落した特徴値を満たすデータ計算モジュールを設計する。 我々は、クロスドメインベンチマークタスクと、不完全なターゲットドメインを用いた実世界適応タスクの両方で実験を行う。
  論文  参考訳（メタデータ） (2020-12-03T00:07:40Z)

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。