論文の概要: Boulders Identification on Small Bodies Under Varying Illumination Conditions

• arxiv url: http://arxiv.org/abs/2210.16283v1
• Date: Fri, 28 Oct 2022 17:22:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 17:18:26.550209
• Title: Boulders Identification on Small Bodies Under Varying Illumination Conditions
• Title（参考訳）: 照明条件下での小さな物体のボルダー同定
• Authors: Mattia Pugliatti and Francesco Topputo
• Abstract要約: 小天体の表面におけるボルダーの検出能力は、臨界操作中のナビゲーションやハザード検出といった視覚ベースの応用に有用である。 この課題は、不規則な形状の広範化、岩盤群の特徴、照明条件の急激な変動により困難である。 筆者らは,小体の表面に散らばる岩盤を頑健に検出し,セグメント化するための,データ駆動画像処理パイプラインを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The capability to detect boulders on the surface of small bodies is beneficial for vision-based applications such as navigation and hazard detection during critical operations. This task is challenging due to the wide assortment of irregular shapes, the characteristics of the boulders population, and the rapid variability in the illumination conditions. The authors address this challenge by designing a multi-step training approach to develop a data-driven image processing pipeline to robustly detect and segment boulders scattered over the surface of a small body. Due to the limited availability of labeled image-mask pairs, the developed methodology is supported by two artificial environments designed in Blender specifically for this work. These are used to generate a large amount of synthetic image-label sets, which are made publicly available to the image processing community. The methodology presented addresses the challenges of varying illumination conditions, irregular shapes, fast training time, extensive exploration of the architecture design space, and domain gap between synthetic and real images from previously flown missions. The performance of the developed image processing pipeline is tested both on synthetic and real images, exhibiting good performances, and high generalization capabilities
• Abstract（参考訳）: 小天体の表面におけるボルダーの検出能力は、臨界操作中のナビゲーションやハザード検出といった視覚ベースの応用に有用である。 この課題は、不規則な形状の多様化、ボールダーの個体群の特徴、照明条件の急速な変動などにより困難である。 著者らはこの課題に対して,小さな物体表面に散在する岩体を堅牢に検出・分断する,データ駆動型画像処理パイプラインを開発するためのマルチステップトレーニングアプローチを設計した。 ラベル付きイメージマスクペアの可用性が限られているため、開発手法はBlenderで特別に設計された2つの人工環境によって支援されている。 これらは大量の合成画像ラベルセットを生成するために使用され、画像処理コミュニティで公開されています。 提示された方法論は、照明条件の変化、不規則な形状、高速なトレーニング時間、アーキテクチャ設計空間の広範囲な探索、以前飛行したミッションからの合成画像と実際の画像の間のドメインギャップといった課題に対処する。 開発した画像処理パイプラインの性能は合成画像と実画像の両方でテストされ、優れた性能と高い一般化能力を示す。

関連論文リスト

• SaccadeDet: A Novel Dual-Stage Architecture for Rapid and Accurate Detection in Gigapixel Images [50.742420049839474]
  SaccadeDetは、人間の目の動きにインスパイアされた、ギガピクセルレベルの物体検出のための革新的なアーキテクチャである。 PANDAデータセットを用いて評価した本手法は,最先端手法の8倍の高速化を実現する。 また、全スライドイメージングへの応用を通じて、ギガピクセルレベルの病理解析に有意な可能性を示す。
  論文  参考訳（メタデータ） (2024-07-25T11:22:54Z)
• Exposure Bracketing is All You Need for Unifying Image Restoration and Enhancement Tasks [50.822601495422916]
  本稿では,露光ブラケット写真を利用して画像復元と拡張作業を統合することを提案する。 実世界のペアの収集が困難であるため,まず合成ペアデータを用いてモデルを事前学習する手法を提案する。 特に,時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• Multi-Channel Cross Modal Detection of Synthetic Face Images [0.0]
  合成生成された顔画像は、人間による実際の画像と区別できないことが示されている。 高速かつ任意の画像後処理が可能な新しい生成モデルを提案する。 完全に合成された顔画像を検出するためのマルチチャネルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-28T13:30:10Z)
• SONIC: Sonar Image Correspondence using Pose Supervised Learning for Imaging Sonars [21.36164161799472]
  我々は,視点変化に耐えられる頑健な特徴対応を実現するために設計されたポーズ制御ネットワークSONICを紹介する。 本手法は,ソナー画像の対応生成における性能を著しく向上させる。
  論文  参考訳（メタデータ） (2023-10-23T15:21:46Z)
• Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
  我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。 提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。 生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-10-09T10:22:08Z)
• High-Resolution Vision Transformers for Pixel-Level Identification of Structural Components and Damage [1.8923948104852863]
  視覚変換器とラプラシアピラミッドスケーリングネットワークに基づくセマンティックセグメンテーションネットワークを開発した。 提案手法は,橋梁検査報告画像のデータセットに関する総合的な実験を通じて評価されている。
  論文  参考訳（メタデータ） (2023-08-06T03:34:25Z)
• Structure-Guided Image Completion with Image-level and Object-level Semantic Discriminators [97.12135238534628]
  複雑な意味論やオブジェクトの生成を改善するために,セマンティック・ディミネータとオブジェクトレベル・ディミネータからなる学習パラダイムを提案する。 特に、セマンティック・ディミネーターは、事前学習された視覚的特徴を利用して、生成された視覚概念の現実性を改善する。 提案手法は, 生成品質を著しく向上させ, 各種タスクの最先端化を実現する。
  論文  参考訳（メタデータ） (2022-12-13T01:36:56Z)
• Single Stage Virtual Try-on via Deformable Attention Flows [51.70606454288168]
  仮想試行は、ショップ内服と基準人物画像が与えられた写真リアルなフィッティング結果を生成することを目的としている。 マルチフロー推定に変形性アテンションスキームを適用した,変形性アテンションフロー(DAFlow)を新たに開発した。 提案手法は,定性的かつ定量的に最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-07-19T10:01:31Z)
• Bubble identification from images with machine learning methods [3.4123736336071864]
  気泡流画像の自動的かつ信頼性の高い処理が必要である。 近年のアプローチでは,この課題に対するディープラーニングアルゴリズムの利用に焦点が当てられている。 本研究では、畳み込みニューラルネットワーク(CNN)に基づく3つの異なる手法を試すことにより、これらの点に挑戦する。
  論文  参考訳（メタデータ） (2022-02-07T12:38:17Z)
• SAFRON: Stitching Across the Frontier for Generating Colorectal Cancer Histology Images [2.486942181212742]
  合成画像は、データの限られた可用性という文脈でディープラーニングアルゴリズムの開発と評価に使用することができる。 本研究では,現実的で高解像度な組織画像タイルを構築するための新しいSAFRONフレームワークを提案する。 提案手法は,比較的小さな画像パッチでトレーニングした後,任意の大きさのリアルな画像タイル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） (2020-08-11T05:47:00Z)
• Two-shot Spatially-varying BRDF and Shape Estimation [89.29020624201708]
  形状とSVBRDFを段階的に推定した新しいディープラーニングアーキテクチャを提案する。 ドメインランダム化された幾何学と現実的な材料を用いた大規模合成学習データセットを作成する。 合成データセットと実世界のデータセットの両方の実験により、合成データセットでトレーニングされたネットワークが、実世界の画像に対してうまく一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-04-01T12:56:13Z)

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。