論文の概要: UAVStereo: A Multiple Resolution Dataset for Stereo Matching in UAV
Scenarios
- arxiv url: http://arxiv.org/abs/2302.10082v1
- Date: Mon, 20 Feb 2023 16:45:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 14:58:07.446436
- Title: UAVStereo: A Multiple Resolution Dataset for Stereo Matching in UAV
Scenarios
- Title(参考訳): UAVStereo:UAVシナリオにおけるステレオマッチングのための多重解像度データセット
- Authors: Zhang Xiaoyi, Cao Xuefeng, Yu Anzhu, Yu Wenshuai, Li Zhenqi, Quan
Yujun
- Abstract要約: 本稿では,UAVStereoと呼ばれる多解像度UAVシナリオデータセットを構築し,34k以上のステレオ画像ペアが3つの典型的なシーンをカバーしている。
本稿では,UAVシナリオにおける課題に対処する際の限界を明らかにするとともに,従来型および最先端のディープラーニング手法の評価を行う。
- 参考スコア(独自算出の注目度): 0.6524460254566905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stereo matching is a fundamental task for 3D scene reconstruction. Recently,
deep learning based methods have proven effective on some benchmark datasets,
such as KITTI and Scene Flow. UAVs (Unmanned Aerial Vehicles) are commonly
utilized for surface observation, and their captured images are frequently used
for detailed 3D reconstruction due to high resolution and low-altitude
acquisition. At present, the mainstream supervised learning network requires a
significant amount of training data with ground-truth labels to learn model
parameters. However, due to the scarcity of UAV stereo matching datasets, the
learning-based network cannot be applied to UAV images. To facilitate further
research, this paper proposes a novel pipeline to generate accurate and dense
disparity maps using detailed meshes reconstructed by UAV images and LiDAR
point clouds. Through the proposed pipeline, this paper constructs a
multi-resolution UAV scenario dataset, called UAVStereo, with over 34k stereo
image pairs covering 3 typical scenes. As far as we know, UAVStereo is the
first stereo matching dataset of UAV low-altitude scenarios. The dataset
includes synthetic and real stereo pairs to enable generalization from the
synthetic domain to the real domain. Furthermore, our UAVStereo dataset
provides multi-resolution and multi-scene images pairs to accommodate a variety
of sensors and environments. In this paper, we evaluate traditional and
state-of-the-art deep learning methods, highlighting their limitations in
addressing challenges in UAV scenarios and offering suggestions for future
research. The dataset is available at
https://github.com/rebecca0011/UAVStereo.git
- Abstract(参考訳): ステレオマッチングは3次元シーン再構築の基本課題である。
近年,KITTIやScene Flowなどのベンチマークデータセットでは,ディープラーニングに基づく手法が有効であることが証明されている。
UAV (Unmanned Aerial Vehicles) は地表観測によく使われ、高分解能・低高度取得による詳細な3D再構成にしばしば使用される。
現在、主流の教師付き学習ネットワークでは、モデルパラメータを学習するためには、地道ラベルを用いた大量のトレーニングデータが必要である。
しかし、UAVステレオマッチングデータセットが不足しているため、学習ベースネットワークはUAV画像に適用できない。
本稿では,UAV画像とLiDAR点雲によって再構成された詳細なメッシュを用いて,高精度で高密度な不均質マップを生成するパイプラインを提案する。
提案するパイプラインを通じて,UAVStereoと呼ばれる多解像度UAVシナリオデータセットを構築し,34k以上のステレオ画像ペアが3つの典型的なシーンをカバーする。
われわれが知る限り、UAVStereoはUAV低高度シナリオの最初のステレオマッチングデータセットである。
このデータセットは合成ドメインから実ドメインへの一般化を可能にする合成および実ステレオペアを含む。
さらに、UAVStereoデータセットは、さまざまなセンサーや環境に対応するために、マルチ解像度とマルチシーンの画像ペアを提供する。
本稿では,UAVシナリオにおける課題に対処する上での限界を強調し,今後の研究に向けて提案する,従来型および最先端のディープラーニング手法の評価を行う。
データセットはhttps://github.com/rebecca0011/uavstereo.gitで入手できる。
関連論文リスト
- UAVD4L: A Large-Scale Dataset for UAV 6-DoF Localization [14.87295056434887]
局所化のための大規模6-DoF UAVデータセット(UAVD4L)を提案する。
オフライン合成データ生成とオンラインビジュアルローカライゼーションからなる2段階6-DoFローカライゼーションパイプライン(UAVLoc)を開発した。
新しいデータセットの結果は,提案手法の有効性を示す。
論文 参考訳(メタデータ) (2024-01-11T15:19:21Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳(メタデータ) (2023-12-07T18:59:14Z) - Investigation of UAV Detection in Images with Complex Backgrounds and
Rainy Artifacts [20.20609511526255]
UAV検出のための視覚に基づく物体検出法が開発されている。
複雑な背景と雨のような気象要素を持つ画像におけるUAV検出は、まだ合理的に研究されていない。
この研究は、最先端のオブジェクト検出モデルのベンチマークにも重点を置いている。
論文 参考訳(メタデータ) (2023-05-25T19:54:33Z) - Unleash the Potential of Image Branch for Cross-modal 3D Object
Detection [67.94357336206136]
画像分岐のポテンシャルを2つの側面から解き放つことを目的として,新しい3Dオブジェクト検出器UPIDetを提案する。
まず、UPIDetは正規化された局所座標写像推定と呼ばれる新しい2次元補助タスクを導入する。
第2に,イメージブランチのトレーニング目標から逆転する勾配によって,ポイントクラウドバックボーンの表現能力を向上できることを見出した。
論文 参考訳(メタデータ) (2023-01-22T08:26:58Z) - Towards Scale Consistent Monocular Visual Odometry by Learning from the
Virtual World [83.36195426897768]
仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。
まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。
結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
論文 参考訳(メタデータ) (2022-03-11T01:51:54Z) - Vision-Based UAV Self-Positioning in Low-Altitude Urban Environments [20.69412701553767]
無人航空機(UAV)は安定した位置決めのために衛星システムに依存している。
このような状況下では、視覚に基づく技術が代替手段として機能し、UAVの自己配置能力を確実にする。
本稿では,UAV自己配置タスク用に設計された最初の公開データセットであるDenseUAVを提案する。
論文 参考訳(メタデータ) (2022-01-23T07:18:55Z) - Self-Supervised Depth Completion for Active Stereo [55.79929735390945]
アクティブステレオシステムは、低コストで高品質な深度マップのため、ロボット産業で広く利用されている。
これらの深度センサーはステレオアーチファクトに悩まされており、密度の深い深度推定を提供していない。
本稿では, 高精度な深度マップを推定するアクティブステレオシステムのための, 自己監督型深度補完法を提案する。
論文 参考訳(メタデータ) (2021-10-07T07:33:52Z) - Self-supervised Audiovisual Representation Learning for Remote Sensing
Data [70.64030011999981]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。
ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。
提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-08-02T07:50:50Z) - OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles [62.997667081978825]
OpenREALMは無人航空機(UAV)のリアルタイムマッピングフレームワークである
異なる操作モードにより、OpenREALMは近似平面場を仮定して単純な縫合を行うことができる。
すべてのモードにおいて、結果のマップの漸進的な進捗は、地上のオペレータによってライブで見ることができる。
論文 参考訳(メタデータ) (2020-09-22T12:28:14Z) - Learning Stereo from Single Images [41.32821954097483]
教師付きディープネットワークはステレオ画像対の対応を見つける最良の方法の一つである。
地上の真理深度やそれに対応するステレオペアに高い依存度を持つことは不要である。
単眼深度推定の最近の進歩に触発されて、単眼画像から可塑性不均一マップを生成し、その欠陥不均一マップを慎重に設計したパイプラインに使用し、ステレオトレーニングペアを生成する。
論文 参考訳(メタデータ) (2020-08-04T12:22:21Z) - A Novel Recurrent Encoder-Decoder Structure for Large-Scale Multi-view
Stereo Reconstruction from An Open Aerial Dataset [6.319667056655425]
我々は、WHUデータセットと呼ばれる合成空中データセットを提案し、これが最初の大規模多視点空中データセットである。
広帯域深度推定のための新しいネットワークRED-Netについても紹介する。
実験の結果,提案手法は現在のMVS法を50%以上の平均絶対誤差(MAE)で上回り,メモリと計算コストを削減できた。
論文 参考訳(メタデータ) (2020-03-02T03:04:13Z)
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。