論文の概要: Scalable Semantic 3D Mapping of Coral Reefs with Deep Learning

• arxiv url: http://arxiv.org/abs/2309.12804v1
• Date: Fri, 22 Sep 2023 11:35:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 14:50:06.996825
• Title: Scalable Semantic 3D Mapping of Coral Reefs with Deep Learning
• Title（参考訳）: 深層学習によるサンゴ礁のスケーラブルな3dマッピング
• Authors: Jonathan Sauder, Guilhem Banc-Prandi, Anders Meibom, Devis Tuia
• Abstract要約: 本稿では,エゴモーション映像から水中環境をマッピングするための新しいパラダイムを提案する。 前例のない規模で高精度な3Dセマンティックマッピングを行い,作業コストを大幅に削減した。 本手法は,サンゴ礁のサンゴ礁モニタリングを飛躍的にスケールアップする。
• 参考スコア（独自算出の注目度）: 4.8902950939676675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coral reefs are among the most diverse ecosystems on our planet, and are depended on by hundreds of millions of people. Unfortunately, most coral reefs are existentially threatened by global climate change and local anthropogenic pressures. To better understand the dynamics underlying deterioration of reefs, monitoring at high spatial and temporal resolution is key. However, conventional monitoring methods for quantifying coral cover and species abundance are limited in scale due to the extensive manual labor required. Although computer vision tools have been employed to aid in this process, in particular SfM photogrammetry for 3D mapping and deep neural networks for image segmentation, analysis of the data products creates a bottleneck, effectively limiting their scalability. This paper presents a new paradigm for mapping underwater environments from ego-motion video, unifying 3D mapping systems that use machine learning to adapt to challenging conditions under water, combined with a modern approach for semantic segmentation of images. The method is exemplified on coral reefs in the northern Gulf of Aqaba, Red Sea, demonstrating high-precision 3D semantic mapping at unprecedented scale with significantly reduced required labor costs: a 100 m video transect acquired within 5 minutes of diving with a cheap consumer-grade camera can be fully automatically analyzed within 5 minutes. Our approach significantly scales up coral reef monitoring by taking a leap towards fully automatic analysis of video transects. The method democratizes coral reef transects by reducing the labor, equipment, logistics, and computing cost. This can help to inform conservation policies more efficiently. The underlying computational method of learning-based Structure-from-Motion has broad implications for fast low-cost mapping of underwater environments other than coral reefs.
• Abstract（参考訳）: サンゴ礁は地球上で最も多様な生態系の1つであり、何億人もの人々が依存している。 残念なことに、ほとんどのサンゴ礁は、地球規模の気候変動と現地の人為的な圧力に脅かされている。 サンゴ礁の劣化をよく理解するには,高い空間分解能と時間分解能でのモニタリングが重要である。 しかしながら,サンゴや種多様性を定量化するための従来のモニタリング手法は,広範囲な手作業を必要とするため,大規模に限定されている。 このプロセスを支援するためにコンピュータビジョンツールが採用されているが、特に3DマッピングのためのSfMフォトグラムと画像セグメンテーションのためのディープニューラルネットワークは、データ製品の分析がボトルネックを生み出し、スケーラビリティを効果的に制限している。 本稿では,エゴモーション映像から水中環境をマッピングする新たなパラダイムを提案する。機械学習を用いて水中の困難な環境に適応する3次元マッピングシステムと,画像の意味的セグメンテーションの現代的アプローチを組み合わせる。 この方法は,赤海,アカバ湾北部のサンゴ礁で実証され,高精度な3Dセマンティックマッピングを前例のない規模で実施し,必要な作業コストを大幅に削減した。 本手法は,サンゴ礁のサンゴ礁モニタリングを,完全自動解析に向けて飛躍的にスケールアップする。 この方法は、労働、設備、物流、計算コストを削減してサンゴ礁横断物を民主化する。 これにより、より効率的に保全政策を通知できる。 学習に基づく構造から運動への計算手法は、サンゴ礁以外の水中環境の高速低コストマッピングに広く影響している。

関連論文リスト

• UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images [63.32490897641344]
  ニューラルSDFに基づく多視点水中画像から対象物を再構成するフレームワークを提案する。 再建過程を最適化するためのハイブリッドな幾何学的先行手法を導入し、神経SDF再建の質と効率を著しく向上させる。
  論文  参考訳（メタデータ） (2024-10-10T16:33:56Z)
• Automatic Coral Detection with YOLO: A Deep Learning Approach for Efficient and Accurate Coral Reef Monitoring [0.0]
  サンゴ礁は、人為的な影響や気候変動によって脅威にさらされている重要な生態系である。 本稿では,深層学習モデルを用いたサンゴ自動検出システムを提案する。
  論文  参考訳（メタデータ） (2024-04-03T08:00:46Z)
• BenthIQ: a Transformer-Based Benthic Classification Model for Coral Restoration [4.931399476945033]
  サンゴ礁は海洋生物多様性、沿岸保護、世界の人間の生活を支えるために不可欠である。 ベントニック合成マップを作成するための現在の手法は、しばしば空間被覆と分解能の間に妥協する。 水中基板の高精度な分類のために設計されたマルチラベルセマンティックセマンティックセマンティクスネットワークであるBenthIQを紹介する。
  論文  参考訳（メタデータ） (2023-11-22T19:25:31Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Pengembangan Model untuk Mendeteksi Kerusakan pada Terumbu Karang dengan Klasifikasi Citra [3.254879465902239]
  本研究はFlickr APIを用いてFlickrから収集した923枚の画像からなる特別なデータセットを利用する。 この研究で使用される方法は、機械学習モデル、特に畳み込みニューラルネットワーク(CNN)の使用を含む。 その結果,Stock-Scratch ResNetモデルは,精度と精度で事前学習モデルより優れていることがわかった。
  論文  参考訳（メタデータ） (2023-08-08T15:30:08Z)
• Robot Goes Fishing: Rapid, High-Resolution Biological Hotspot Mapping in Coral Reefs with Vision-Guided Autonomous Underwater Vehicles [6.658103076536836]
  生物学的ホットスポット検出は、サンゴ礁管理者が監視と介入のタスクのために限られた資源を優先するのに役立つ。 ここでは、自律型水中車両(AUV)とカメラ、そして視覚検出器とフォトグラムと組み合わせて、これらのホットスポットをマッピングし、識別する方法について検討する。 我々の知る限り、我々はAUVを使って視覚的に観察され、微細な生体ホットスポットマップを収集する最初の試みの1つを提示する。
  論文  参考訳（メタデータ） (2023-05-03T16:12:47Z)
• Combining Photogrammetric Computer Vision and Semantic Segmentation for Fine-grained Understanding of Coral Reef Growth under Climate Change [6.335630432207172]
  サンゴはサンゴ礁に生息する生物で、海洋の4分の1を支えている。 3次元微粒なセマンティックモデリングとサンゴ礁の硬さ評価は,初めてミリ(mm)精度で完了した。
  論文  参考訳（メタデータ） (2022-12-08T08:09:57Z)
• Towards Generating Large Synthetic Phytoplankton Datasets for Efficient Monitoring of Harmful Algal Blooms [77.25251419910205]
  有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。 現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。 合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
  論文  参考訳（メタデータ） (2022-08-03T20:15:55Z)
• SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
  シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。 具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。 提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
  論文  参考訳（メタデータ） (2021-06-24T17:29:42Z)
• Underwater Image Restoration via Contrastive Learning and a Real-world Dataset [59.35766392100753]
  本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。 提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
  論文  参考訳（メタデータ） (2021-06-20T16:06:26Z)
• Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
  3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。 既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。 抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。 この課題を解決するためのハイブリッド表現学習手法を提案します。
  論文  参考訳（メタデータ） (2020-12-14T05:22:49Z)

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。