論文の概要: Synthetic Aperture Anomaly Imaging

• arxiv url: http://arxiv.org/abs/2304.13590v1
• Date: Wed, 26 Apr 2023 14:34:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-27 14:02:27.209647
• Title: Synthetic Aperture Anomaly Imaging
• Title（参考訳）: 合成開口異常イメージング
• Authors: Rakesh John Amala Arokia Nathan and Oliver Bimber
• Abstract要約: 検出された異常は積分の異常を検出するよりも効果的であることを示す。 我々は、ブルーライトの組織や商用ドローンプラットフォームを使って、我々の発見を現実的に利用できるようにするリアルタイムアプリケーションを提案する。
• 参考スコア（独自算出の注目度）: 2.9443230571766854
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Previous research has shown that in the presence of foliage occlusion, anomaly detection performs significantly better in integral images resulting from synthetic aperture imaging compared to applying it to conventional aerial images. In this article, we hypothesize and demonstrate that integrating detected anomalies is even more effective than detecting anomalies in integrals. This results in enhanced occlusion removal, outlier suppression, and higher chances of visually as well as computationally detecting targets that are otherwise occluded. Our hypothesis was validated through both: simulations and field experiments. We also present a real-time application that makes our findings practically available for blue-light organizations and others using commercial drone platforms. It is designed to address use-cases that suffer from strong occlusion caused by vegetation, such as search and rescue, wildlife observation, early wildfire detection, and sur-veillance.
• Abstract（参考訳）: 前回の研究では、葉の閉塞の存在下では、従来の空中画像と比較して合成開口イメージングによる積分画像において異常検出が有意に優れていることが示されている。 本稿では,検出された異常が積分の異常を検出するよりも効果的であることを示す。 これにより、閉塞除去の強化、降圧抑制、視覚的に高い確率の他、非閉塞なターゲットを計算的に検出することができる。 我々の仮説はシミュレーションとフィールド実験の両方を通して検証された。 また、ブルーライトの組織や商用ドローンプラットフォームを使って、私たちの発見を実際に利用できるリアルタイムアプリケーションも提示します。 捜索や救助、野生生物の観察、早期の野火の検出、監視など、植生によって引き起こされる強い閉塞に苦しむユースケースに対処するように設計されている。

関連論文リスト

• From Fog to Failure: How Dehazing Can Harm Clear Image Object Detection [2.76348549160803]
  本研究は,人間の視覚的手がかりに基づく脱ハジングを物体検出に組み込むことの課題について考察する。 本稿では,光検出装置が関心領域を検知し,空間的注意に基づくデハジングによって拡張する多段階フレームワークを提案する。 霧の環境では有効であるが、この手法は鮮明な画像の性能を予期せず劣化させる。
  論文  参考訳（メタデータ） (2025-02-04T05:24:44Z)
• DiffDoctor: Diagnosing Image Diffusion Models Before Treating [57.82359018425674]
  DiffDoctorは2段階のパイプラインで、画像拡散モデルがより少ないアーティファクトを生成するのを支援する。 我々は100万以上の欠陥のある合成画像のデータセットを収集し、効率的なHuman-in-the-loopアノテーションプロセスを構築した。 そして、学習したアーティファクト検出器を第2段階に巻き込み、各画像に画素ごとの信頼マップを割り当てて拡散モデルをチューニングする。
  論文  参考訳（メタデータ） (2025-01-21T18:56:41Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Orthogonal Subspace Decomposition for Generalizable AI-Generated Image Detection [58.87142367781417]
  航法的に訓練された検出器は、限定的で単調な偽のパターンに過度に適合する傾向にあり、特徴空間は高度に制約され、低ランクになる。 潜在的な治療法の1つは、ビジョンファウンデーションモデルに事前訓練された知識を取り入れて、機能領域を広げることである。 主成分を凍結し,残った成分のみを適応させることで,偽造関係のパターンを学習しながら,事前学習した知識を保存できる。
  論文  参考訳（メタデータ） (2024-11-23T19:10:32Z)
• Diffusion Facial Forgery Detection [56.69763252655695]
  本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。 人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。 その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
  論文  参考訳（メタデータ） (2024-01-29T03:20:19Z)
• RANRAC: Robust Neural Scene Representations via Random Ray Consensus [12.161889666145127]
  RANRAC(RANdom RAy Consensus)は、一貫性のないデータの影響を排除するための効率的な手法である。 我々はRANSACパラダイムのファジィ適応を定式化し、大規模モデルへの適用を可能にした。 その結果, 新規な視点合成のための最先端のロバストな手法と比較して, 顕著な改善が見られた。
  論文  参考訳（メタデータ） (2023-12-15T13:33:09Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Evaluation of Color Anomaly Detection in Multispectral Images For Synthetic Aperture Sensing [4.640835690336653]
  波長非依存型合成開口センシング技術を用いて得られたマルチスペクトル画像における教師なし異常検出手法の評価を行った。 視覚範囲で通常動作する色異常検出法は、常に遠赤外線(熱)チャネルの恩恵を受ける。
  論文  参考訳（メタデータ） (2022-11-08T15:01:14Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• On the Role of Field of View for Occlusion Removal with Airborne Optical Sectioning [3.5232085374661284]
  植生による排除は、遠隔地におけるリモートセンシングアプリケーションにとって重要な問題である。 Airborne Optical Sectioning (AOS) は、光学的、波長に依存しない合成開口イメージング技術である。 森林密度と適用画像システムの視野(FOV)の関係を実証する。
  論文  参考訳（メタデータ） (2022-04-28T09:26:10Z)
• OIAD: One-for-all Image Anomaly Detection with Disentanglement Learning [23.48763375455514]
  クリーンサンプルのみを用いたアンタングル学習に基づく一対一画像異常検出システムを提案する。 3つのデータセットを用いて実験したところ、OIADは90%以上の異常を検出できる一方で、誤報率も低く抑えられることがわかった。
  論文  参考訳（メタデータ） (2020-01-18T09:57:37Z)

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。