論文の概要: Implicit neural representation for change detection

• arxiv url: http://arxiv.org/abs/2307.15428v1
• Date: Fri, 28 Jul 2023 09:26:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-31 13:02:48.644442
• Title: Implicit neural representation for change detection
• Title（参考訳）: 変化検出のための入射神経表現
• Authors: Peter Naylor, Diego Di Carlo, Arianna Traviglia, Makoto Yamada and Marco Fiorucci
• Abstract要約: 連続的な形状復元のためのニューラルフィールド(NF)と変化を分類するためのガウス混合モデルという2つのコンポーネントからなる教師なしアプローチを提案する。 NFは、一致しない空間的サポートを持つバイテンポラル点雲を符号化するグリッドに依存しない表現を提供する。 本手法を都市スプロールのためのシミュレーションLiDAR点雲のベンチマークデータセットに適用する。
• 参考スコア（独自算出の注目度）: 20.90964234463695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting changes that occurred in a pair of 3D airborne LiDAR point clouds, acquired at two different times over the same geographical area, is a challenging task because of unmatching spatial supports and acquisition system noise. Most recent attempts to detect changes on point clouds are based on supervised methods, which require large labelled data unavailable in real-world applications. To address these issues, we propose an unsupervised approach that comprises two components: Neural Field (NF) for continuous shape reconstruction and a Gaussian Mixture Model for categorising changes. NF offer a grid-agnostic representation to encode bi-temporal point clouds with unmatched spatial support that can be regularised to increase high-frequency details and reduce noise. The reconstructions at each timestamp are compared at arbitrary spatial scales, leading to a significant increase in detection capabilities. We apply our method to a benchmark dataset of simulated LiDAR point clouds for urban sprawling. The dataset offers different challenging scenarios with different resolutions, input modalities and noise levels, allowing a multi-scenario comparison of our method with the current state-of-the-art. We boast the previous methods on this dataset by a 10% margin in intersection over union metric. In addition, we apply our methods to a real-world scenario to identify illegal excavation (looting) of archaeological sites and confirm that they match findings from field experts.
• Abstract（参考訳）: 同じ地理的領域で2つの異なる頻度で獲得された2つの3次元空中ライダーポイント雲で発生した変化の検出は、空間的サポートと取得システムのノイズの一致を欠いたため、難しい課題である。 ポイントクラウド上の変更を検出する最も最近の試みは、実世界のアプリケーションでは利用できない大きなラベル付きデータを必要とする教師付きメソッドに基づいている。 これらの問題に対処するために、連続的な形状再構成のためのニューラルフィールド(NF)と変化を分類するためのガウス混合モデルという2つのコンポーネントからなる教師なしアプローチを提案する。 NFは、2時間点雲を非整合空間サポートで符号化するグリッドに依存しない表現を提供する。 各タイムスタンプでの再構成は任意の空間スケールで比較され、検出能力が大幅に向上する。 本手法を都市スプロールのためのシミュレーションLiDAR点雲のベンチマークデータセットに適用する。 データセットは異なる解像度、入力モード、ノイズレベルを持つさまざまな課題シナリオを提供しており、この方法と現在の状態を比較することができる。 我々は、このデータセットの以前の手法を、ユニオンメトリック上の交叉率の10%のマージンで誇っている。 さらに,本手法を現実のシナリオに適用して,遺跡の不法な発掘(略奪)を識別し,現場専門家の知見と一致することを確認した。

関連論文リスト

• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
  周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。 ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。 提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-17T11:30:46Z)
• Irregular Change Detection in Sparse Bi-Temporal Point Clouds using Learned Place Recognition Descriptors and Point-to-Voxel Comparison [0.0]
  本稿では3次元点雲における変化検出のための革新的なアプローチを提案する。 深層学習位置認識記述子とボクセル対ポイント比較に基づく不規則物体抽出を用いる。 提案手法は実世界の実地実験で評価された。
  論文  参考訳（メタデータ） (2023-06-27T12:22:25Z)
• Optimal Transport for Change Detection on LiDAR Point Clouds [16.552050876277242]
  空気中LiDARデータポイント間の教師なし変更検出は,取得システムからの空間的支持とノイズのアンマッチが困難である。 本稿では,2つの時間的支援による3次元LiDAR点の移動の計算に基づく教師なしアプローチを提案する。 本手法では,教師なしの階層分類が可能であり,従来の最先端の教師なし手法よりも有意な差で性能が向上する。
  論文  参考訳（メタデータ） (2023-02-14T13:08:07Z)
• Doubly Inhomogeneous Reinforcement Learning [4.334006170547247]
  我々は、ポリシー学習のために、時間とともに個人間で類似したダイナミクスを表示する「最良のデータチャンクを決定するためのオリジナルアルゴリズム」を提案する。 提案手法は汎用的であり,クラスタリングおよび変更点検出アルゴリズムの幅広い範囲で動作する。
  論文  参考訳（メタデータ） (2022-11-08T03:41:14Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• Recent Advances in Domain Adaptation for the Classification of Remote Sensing Data [13.003241006687322]
  リモートセンシングデータ分類の問題を解決するためにドメイン適応(DA)アプローチが提案されている。 本稿では,リモートセンシングにおけるDAの最近の進歩について批判的なレビューを行う。 高い空間分解能とスペクトル分解能を特徴とするリアルリモートセンシング画像に対する検討手法の適用例を紹介します。
  論文  参考訳（メタデータ） (2021-04-15T21:15:48Z)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)
• Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
  本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。 我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
  論文  参考訳（メタデータ） (2020-07-09T08:32:06Z)
• Learning Graph-Convolutional Representations for Point Cloud Denoising [31.557988478764997]
  本稿では,学習ベースのポイントクラウド処理手法で発生する置換不変問題に対処可能なディープニューラルネットワークを提案する。 ネットワークは完全に畳み込み可能で、近傍グラフを動的に構築することで、機能の複雑な階層を構築することができる。 特に高騒音レベルと実LiDARスキャンで遭遇したような構造ノイズの存在の両方において堅牢である。
  論文  参考訳（メタデータ） (2020-07-06T08:11:28Z)

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。