論文の概要: 1st Workshop on Maritime Computer Vision (MaCVi) 2023: Challenge Results
- arxiv url: http://arxiv.org/abs/2211.13508v1
- Date: Thu, 24 Nov 2022 09:59:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-11-28 14:31:47.995322
- Title: 1st Workshop on Maritime Computer Vision (MaCVi) 2023: Challenge Results
- Title（参考訳）: 第1回海洋コンピュータビジョンワークショップ(macvi)2023:チャレンジ結果
- Abstract要約: The 1$textst$ Workshop on Maritime Computer Vision (MaCVi) 2023 focus on seatime computer vision for Unmanned Aerial Vehicles (UAV) and Unmanned Surface Vehicle (USV)
サブチャンジはSeaDronesSeeとMODSベンチマークに基づいていた。
- 参考スコア（独自算出の注目度）: 152.54137779547068
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The 1$^{\text{st}}$ Workshop on Maritime Computer Vision (MaCVi) 2023 focused
on maritime computer vision for Unmanned Aerial Vehicles (UAV) and Unmanned
Surface Vehicle (USV), and organized several subchallenges in this domain: (i)
UAV-based Maritime Object Detection, (ii) UAV-based Maritime Object Tracking,
(iii) USV-based Maritime Obstacle Segmentation and (iv) USV-based Maritime
Obstacle Detection. The subchallenges were based on the SeaDronesSee and MODS
benchmarks. %This report summarizes the main findings of the individual
subchallenges, which are (1) UAV-based Maritime Object Detection, (2) UAV-based
Maritime Object Tracking, (3) USV-based Maritime Obstacle Segmentation and (4)
USV-based Maritime Obstacle Detection. This report summarizes the main findings
of the individual subchallenges and introduces %Furthermore, we introduce a new
benchmark, called SeaDronesSee Object Detection v2, which extends the previous
benchmark by including more classes and footage. We provide statistical and
qualitative analyses, and assess trends in the best-performing methodologies of
over 130 submissions. The methods are summarized in the appendix. %The tech
report for most of the top performing methods is attached. The datasets,
evaluation code and the %competition's final standing leaderboard are publicly
available at https://seadronessee.cs.uni-tuebingen.de/macvi.
- Abstract（参考訳）: 1$^{\text{st}}$ Workshop on Maritime Computer Vision (MaCVi) 2023は、無人航空機 (UAV) と無人表面車両 (USV) のための海上コンピュータビジョンに焦点を当て、この分野のいくつかのサブ組織を組織した。
(i)uavによる海上物体検出
(II)UAVによる海上物体追跡
(iii)usvによる海上障害物セグメンテーションと海上障害物セグメンテーション
(iv)usvによる海上障害物検出
サブチャンジはSeaDronesSeeとMODSベンチマークに基づいていた。
本報告は,(1)uavに基づく海上障害物検出,(2)uavによる海上物体追跡,(3)usvによる海上障害物分割,(4)usvによる海上障害物検出といった,個々の下位課題の主な知見をまとめたものである。
本報告では,個々のサブクラスの主な知見を要約し,%furthermoreを紹介し,seadronessee object detection v2と呼ばれる新しいベンチマークを紹介する。
統計的および定性的な分析を行い,130以上の応募のベストパフォーマンス手法の傾向を評価する。
メソッドは付録にまとめられている。
% トップパフォーマンスメソッドのほとんどが技術レポートに添付されている。
データセット、評価コード、%競争の最終リーダーボードはhttps://seadronessee.cs.uni-tuebingen.de/macvi.comで公開されている。
関連論文リスト
- 4th Workshop on Maritime Computer Vision (MaCVi): Challenge Overview [58.58288326268589]
第4回海洋コンピュータビジョンワークショップ(MaCVi)はCVPR 2026の一部として組織されている。
このエディションは、予測精度と組み込みリアルタイム実現可能性の両方に重点を置いた5つのベンチマーク課題を特徴としている。
論文 参考訳（メタデータ） (2026-04-14T19:21:41Z) - Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。
X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。
提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
論文 参考訳（メタデータ） (2025-09-25T04:59:02Z) - 3rd Workshop on Maritime Computer Vision (MaCVi) 2025: Challenge Results [26.644618344646283]
第3回海洋コンピュータビジョンワークショップ(MaCVi)2025は、無人表面車両(USV)と水中における海洋コンピュータビジョンを扱っている。
本報告では,課題から得られた知見を概観する。
論文 参考訳（メタデータ） (2025-01-17T18:34:47Z) - Underwater Camouflaged Object Tracking Meets Vision-Language SAM2 [60.47622353256502]
本研究は,UW-COT220という大規模水中カモフラージュ型物体追跡データセットを提案する。
提案したデータセットに基づいて、本研究はまず、水中環境に挑戦するSAMとSAM2ベースのトラッカーを含む、現在の高度な視覚オブジェクト追跡手法を評価する。
本研究はSAM2よりもSAM2を改良し,水中カモフラージュ物体の複雑度を処理できることを実証した。
論文 参考訳（メタデータ） (2024-09-25T13:10:03Z) - The 2nd Workshop on Maritime Computer Vision (MaCVi) 2024 [71.80200746293505]
2nd Workshop on Maritime Computer Vision (MaCVi) 2024 address seatime computer vision for Unmanned Aerial Vehicles (UAV) and Unmanned Surface Vehicles (USV)
論文 参考訳（メタデータ） (2023-11-23T21:01:14Z) - Deep Learning-Based Object Detection in Maritime Unmanned Aerial Vehicle
Imagery: Review and Experimental Comparisons [10.75221614844458]
まず,海洋UAVにおける物体検出に関する4つの課題,すなわち,対象特性の多様性,デバイス制限,海洋環境の多様性,データセットの不足について要約する。
次に,UAVの航空画像・映像データセットを概観し,MS2ship という海洋UAV航空データセットを船体検出のために提案する。
論文 参考訳（メタデータ） (2023-11-14T07:20:38Z) - Vision-Based Autonomous Navigation for Unmanned Surface Vessel in
Extreme Marine Conditions [2.8983738640808645]
本稿では,極端海洋環境下での目標物追跡のための自律的視覚に基づくナビゲーション・フレームワークを提案する。
提案手法は砂嵐や霧による可視性低下下でのシミュレーションで徹底的に検証されている。
結果は、ベンチマークしたMBZIRCシミュレーションデータセット全体にわたる最先端のデハージング手法と比較される。
論文 参考訳（メタデータ） (2023-08-08T14:25:13Z) - AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。
AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。
我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
論文 参考訳（メタデータ） (2022-08-14T17:49:37Z) - MODS -- A USV-oriented object detection and obstacle segmentation
benchmark [12.356257470551348]
海上物体検出とより一般的な海上障害物セグメンテーションの2つの主要な知覚タスクを考慮する新しい障害物検出ベンチマークMODSを紹介します。
船載IMUと同期する約81kのステレオ画像と60k以上の物体を注釈付けした新たな海洋評価データセットを提案する。
実用的なUSVナビゲーションに有用な方法で検出精度を反映した新しい障害物分割性能評価プロトコルを提案する。
論文 参考訳（メタデータ） (2021-05-05T22:40:27Z) - SeaDronesSee: A Maritime Benchmark for Detecting Humans in Open Water [13.216389226310987]
本稿では,大規模ビジュアルオブジェクト検出・追跡ベンチマーク(SeaDronesSee)を紹介する。
我々は,高度5～260mから0～90度までの様々な角度から,40万のインスタンスで54,000以上のフレームを収集,注釈した。
新たに構築したベンチマークをベースラインとして、最新のコンピュータビジョンアルゴリズムを複数評価します。
論文 参考訳（メタデータ） (2021-05-05T08:18:36Z) - MOTChallenge: A Benchmark for Single-Camera Multiple Target Tracking [72.76685780516371]
単カメラ多目的追跡(MOT)のためのベンチマークMOTChallengeを提案する。
このベンチマークは、歩行者がトラッキングコミュニティで最も研究されているオブジェクトであるため、複数の人を追跡することに重点を置いている。
我々は,最先端トラッカーの分類と広い誤差解析を行う。
論文 参考訳（メタデータ） (2020-10-15T06:52:16Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z) - MOT20: A benchmark for multi object tracking in crowded scenes [73.92443841487503]
我々は,非常に混み合ったシーンを描写した8つの新しいシーケンスからなるMOT20ベンチマークを提示する。
ベンチマークは第4回BMTT MOT Challenge Workshop at the Computer Vision and Pattern Recognition Conference (CVPR)で初めて発表された。
論文 参考訳（メタデータ） (2020-03-19T20:08:24Z)
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。