論文の概要: Disentangled Contrastive Image Translation for Nighttime Surveillance

• arxiv url: http://arxiv.org/abs/2307.05038v1
• Date: Tue, 11 Jul 2023 06:40:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-12 16:13:31.849072
• Title: Disentangled Contrastive Image Translation for Nighttime Surveillance
• Title（参考訳）: 夜間監視のための不連続コントラスト画像翻訳
• Authors: Guanzhou Lan, Bin Zhao, Xuelong Li
• Abstract要約: 夜間監視は、照明の悪さと厳しい人間のアノテーションによる劣化に悩まされる。 既存の手法では、暗黒の物体を知覚するためにマルチスペクトル画像が使われており、解像度の低さと色の不在に悩まされている。 夜間監視の究極の解決策は、夜から昼までの翻訳(Night2Day)である、と私たちは主張する。 本論文は、夜間監視研究を支援する6つのシーンを含む、NightSuRと呼ばれる新しい監視データセットに貢献する。
• 参考スコア（独自算出の注目度）: 87.03178320662592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nighttime surveillance suffers from degradation due to poor illumination and arduous human annotations. It is challengable and remains a security risk at night. Existing methods rely on multi-spectral images to perceive objects in the dark, which are troubled by low resolution and color absence. We argue that the ultimate solution for nighttime surveillance is night-to-day translation, or Night2Day, which aims to translate a surveillance scene from nighttime to the daytime while maintaining semantic consistency. To achieve this, this paper presents a Disentangled Contrastive (DiCo) learning method. Specifically, to address the poor and complex illumination in the nighttime scenes, we propose a learnable physical prior, i.e., the color invariant, which provides a stable perception of a highly dynamic night environment and can be incorporated into the learning pipeline of neural networks. Targeting the surveillance scenes, we develop a disentangled representation, which is an auxiliary pretext task that separates surveillance scenes into the foreground and background with contrastive learning. Such a strategy can extract the semantics without supervision and boost our model to achieve instance-aware translation. Finally, we incorporate all the modules above into generative adversarial networks and achieve high-fidelity translation. This paper also contributes a new surveillance dataset called NightSuR. It includes six scenes to support the study on nighttime surveillance. This dataset collects nighttime images with different properties of nighttime environments, such as flare and extreme darkness. Extensive experiments demonstrate that our method outperforms existing works significantly. The dataset and source code will be released on GitHub soon.
• Abstract（参考訳）: 夜間監視は、照明の悪さと厳しい人間のアノテーションによる劣化に悩まされる。 取り締まりが難しく、夜間はセキュリティ上のリスクが残る。 既存の手法では、暗黒の物体を知覚するためにマルチスペクトル画像に依存しており、低解像度とカラーの欠如が問題となっている。 夜間監視の究極の解決策は、夜間から昼までの監視シーンを、セマンティックな一貫性を維持しつつ、夜間から昼までの監視シーンを翻訳することを目的としている。 そこで本研究では,Distangled Contrastive (DiCo) 学習法を提案する。 具体的には,夜間場面における可哀相で複雑な照明に対処するために,高度にダイナミックな夜間環境の安定な知覚を提供し,ニューラルネットワークの学習パイプラインに組み込むことのできる,学習可能な物理前駆体,すなわち色不変性を提案する。 監視シーンをターゲットとして,監視シーンを前景と背景に分離し,コントラスト学習を行う補助的前提課題である,アンタングル表現を開発する。 このような戦略は、監視なしでセマンティクスを抽出し、インスタンス対応翻訳を達成するためにモデルを強化できます。 最後に、上記の全てのモジュールを生成的敵ネットワークに組み込んで高忠実度翻訳を行う。 本論文はNightSuRと呼ばれる新しい監視データセットにも貢献する。 夜間の監視研究を支援する6つのシーンが含まれている。 このデータセットは、フレアや極暗といった夜間環境の特性の異なる夜間画像を収集する。 大規模な実験により,本手法は既存手法よりも優れた性能を示した。 データセットとソースコードはもうすぐgithubでリリースされる。

関連論文リスト

• Night-to-Day Translation via Illumination Degradation Disentanglement [51.77716565167767]
  ナイト・トゥ・デイの翻訳は、夜間のシーンの昼のようなビジョンを達成することを目的としている。 複雑な劣化を伴う夜間画像の処理は 未熟な条件下では 重要な課題です 夜間画像の劣化パターンを識別するためにtextbfN2D3 を提案する。
  論文  参考訳（メタデータ） (2024-11-21T08:51:32Z)
• Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
  夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。 具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。 提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-08-25T13:59:31Z)
• PIG: Prompt Images Guidance for Night-Time Scene Parsing [48.35991796324741]
  非教師なし領域適応(UDA)が夜景の研究の主流となっている。 そこで我々はNFNet(Night-Focused Network)を提案する。 NightCity、NightCity+、Dark Zurich、ACDCの4つのナイトタイムデータセットで実験を行いました。
  論文  参考訳（メタデータ） (2024-06-15T07:06:19Z)
• Nighttime Thermal Infrared Image Colorization with Feedback-based Object Appearance Learning [27.58748298687474]
  フィードバックに基づくオブジェクト外観学習(FoalGAN)を取り入れた生成的対向ネットワークを提案する。 FoalGANは、小さなオブジェクトの外観学習に有効であるが、意味保存とエッジ整合性の点で、他の画像翻訳方法よりも優れている。
  論文  参考訳（メタデータ） (2023-10-24T09:59:55Z)
• Boosting Night-time Scene Parsing with Learnable Frequency [53.05778451012621]
  NTSP(Night-Time Scene Parsing)は多くの視覚アプリケーション、特に自律運転に必須である。 既存の手法のほとんどは日中シーン解析のために提案されている。 提案手法は,NightCity,NightCity+およびBDD100K-nightデータセットの最先端手法に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2022-08-30T13:09:59Z)
• Let There be Light: Improved Traffic Surveillance via Detail Preserving Night-to-Day Transfer [19.33490492872067]
  画像翻訳手法を用いて,物体検出時の精度低下を悪条件に緩和する枠組みを提案する。 本稿では,GAN(Generative Adversarial Networks)による詳細な汚職を緩和するために,Kernel Prediction Network (KPN) を用いた夜間・昼間の画像翻訳の改良手法を提案する。
  論文  参考訳（メタデータ） (2021-05-11T13:18:50Z)
• Night-time Scene Parsing with a Large Real Dataset [67.11211537439152]
  我々は,夜間シーン解析(NTSP)の問題に対処することを目指しており,主な課題が2つある。 夜間データの不足に対処するため、実夜間画像4,297枚からなる新しいラベル付きデータセット、NightCityを収集した。 また,NTSP問題に対処するための露出認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-15T18:11:34Z)
• Translating multispectral imagery to nighttime imagery via conditional generative adversarial networks [24.28488767429697]
  本研究では,マルチスペクトル画像から夜間画像への変換における条件付きジェネレーティブ・アドバイサル・ネットワーク(cGAN)の可能性について検討する。 一般的なcGANフレームワークであるpix2pixが採用され、この翻訳を容易にするために修正された。 追加のソーシャルメディアデータにより、生成された夜間画像は、地上の真実の画像と非常によく似ている。
  論文  参考訳（メタデータ） (2019-12-28T03:20:29Z)

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。