論文の概要: SONIC: Sonar Image Correspondence using Pose Supervised Learning for Imaging Sonars

• arxiv url: http://arxiv.org/abs/2310.15023v1
• Date: Mon, 23 Oct 2023 15:21:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 19:19:02.461045
• Title: SONIC: Sonar Image Correspondence using Pose Supervised Learning for Imaging Sonars
• Title（参考訳）: SONIC: Pose Supervised Learning を用いたソナー画像の対応
• Authors: Samiran Gode, Akshay Hinduja, and Michael Kaess
• Abstract要約: 我々は,視点変化に耐えられる頑健な特徴対応を実現するために設計されたポーズ制御ネットワークSONICを紹介する。 本手法は,ソナー画像の対応生成における性能を著しく向上させる。
• 参考スコア（独自算出の注目度）: 21.36164161799472
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we address the challenging problem of data association for underwater SLAM through a novel method for sonar image correspondence using learned features. We introduce SONIC (SONar Image Correspondence), a pose-supervised network designed to yield robust feature correspondence capable of withstanding viewpoint variations. The inherent complexity of the underwater environment stems from the dynamic and frequently limited visibility conditions, restricting vision to a few meters of often featureless expanses. This makes camera-based systems suboptimal in most open water application scenarios. Consequently, multibeam imaging sonars emerge as the preferred choice for perception sensors. However, they too are not without their limitations. While imaging sonars offer superior long-range visibility compared to cameras, their measurements can appear different from varying viewpoints. This inherent variability presents formidable challenges in data association, particularly for feature-based methods. Our method demonstrates significantly better performance in generating correspondences for sonar images which will pave the way for more accurate loop closure constraints and sonar-based place recognition. Code as well as simulated and real-world datasets will be made public to facilitate further development in the field.
• Abstract（参考訳）: 本稿では,学習特徴を用いたソナー画像対応のための新しい手法により,水中SLAMのデータアソシエーションの課題に対処する。 本稿では,視点変化に耐えられる頑健な特徴対応を実現するために設計されたポーズ制御ネットワークSONICを紹介する。 水中環境の固有の複雑さは、ダイナミックで頻繁に制限された可視性条件に起因し、しばしば特徴のない広がりを数メートルに制限する。 これにより、カメラベースのシステムは、ほとんどのオープンウォーターアプリケーションシナリオで最適ではない。 その結果、マルチビーム撮像ソナーが知覚センサの好適な選択として出現する。 しかし、彼らも制限がないわけではない。 ソナーはカメラに比べて長距離視界が優れているが、その測定は様々な視点から異なるように見える。 この固有の可変性は、特に機能ベースのメソッドにおいて、データアソシエーションにおいて重大な課題をもたらす。 本手法は,より正確なループクロージャ制約やソナーに基づく位置認識への道を開くソナー画像の対応生成において,かなり優れた性能を示す。 コードだけでなく、シミュレーションや現実世界のデータセットも公開され、この分野のさらなる開発が促進される。

関連論文リスト

• MetaCap: Meta-learning Priors from Multi-View Imagery for Sparse-view Human Performance Capture and Rendering [91.76893697171117]
  そこで本研究では, 高精度かつ高品質な幾何復元と新規なビュー合成手法を提案する。 私たちのキーとなるアイデアは、低解像度のマルチビュービデオからのみ、放射界の重みをメタラーニングすることです。 新しいデータセットWildDynaCap(ワイルドダイナキャップ)は、密集したカメラドームと細いカメラリグの両方に収まる被写体を含んでいる。
  論文  参考訳（メタデータ） (2024-03-27T17:59:54Z)
• Exposure Bracketing is All You Need for Unifying Image Restoration and Enhancement Tasks [50.822601495422916]
  本稿では,露光ブラケット写真を利用して画像復元と拡張作業を統合することを提案する。 実世界のペアの収集が困難であるため,まず合成ペアデータを用いてモデルを事前学習する手法を提案する。 特に,時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• Improving Generalization of Synthetically Trained Sonar Image Descriptors for Underwater Place Recognition [1.8911961520222997]
  水中環境における自律航法は、光吸収や水濁度などの要因によって困難を呈する。 従来のコンピュータビジョンアルゴリズムはソナー生成音響画像に適用しても効果が低い。 本稿では,合成データのみを訓練しながら,実シナリオに一般化可能な,コンパクトな深層ソナー記述子パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-08-02T10:10:25Z)
• SPARF: Neural Radiance Fields from Sparse and Noisy Poses [58.528358231885846]
  SPARF(Sparse Pose Adjusting Radiance Field)を導入し,新規な視点合成の課題に対処する。 提案手法は、NeRFを共同学習し、カメラのポーズを洗練するために、多視点幾何学的制約を利用する。
  論文  参考訳（メタデータ） (2022-11-21T18:57:47Z)
• Boulders Identification on Small Bodies Under Varying Illumination Conditions [0.0]
  小天体の表面におけるボルダーの検出能力は、臨界操作中のナビゲーションやハザード検出といった視覚ベースの応用に有用である。 この課題は、不規則な形状の広範化、岩盤群の特徴、照明条件の急激な変動により困難である。 筆者らは,小体の表面に散らばる岩盤を頑健に検出し,セグメント化するための,データ駆動画像処理パイプラインを開発した。
  論文  参考訳（メタデータ） (2022-10-28T17:22:46Z)
• Nonlinear Intensity Underwater Sonar Image Matching Method Based on Phase Information and Deep Convolution Features [6.759506053568929]
  本稿では,位相情報と深部畳み込み特徴に基づく組み合わせマッチング手法を提案する。 1つは、深い畳み込みの特徴がソナー像の局所的および大域的位置の類似性を測定するのに使えることである。
  論文  参考訳（メタデータ） (2021-11-29T02:36:49Z)
• Nonlinear Intensity Sonar Image Matching based on Deep Convolution Features [10.068137357857134]
  本稿では,位相情報と深部畳み込み特徴に基づく組み合わせマッチング手法を提案する。 1つは、ソナー画像の局所的および大域的位置の類似性を測定するために、深い畳み込み特徴を使用できることである。
  論文  参考訳（メタデータ） (2021-11-17T09:30:43Z)
• Learned Camera Gain and Exposure Control for Improved Visual Feature Detection and Matching [12.870196901446208]
  我々は、環境照明の変化を考慮に入れたデータ駆動型アプローチを探求し、ビジュアル・オドメトリー(VO)や視覚同時像定位マッピング(SLAM)で使用する画像の品質を改善した。 我々は、カメラゲインと露出時間パラメータを予測的に調整するために、深層畳み込みニューラルネットワークモデルを訓練する。 我々は、我々のネットワークが劇的な照明変化を予想し、補うことができるような、広範囲な実世界の実験を通して実証する。
  論文  参考訳（メタデータ） (2021-02-08T16:46:09Z)
• Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
  本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。 本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。 また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2021-02-02T16:10:15Z)
• Crowdsampling the Plenoptic Function [56.10020793913216]
  このようなデータから時間変動照明下での新しいビュー合成手法を提案する。 本稿では,新しいDeepMPI表現について紹介する。 本手法は従来のMPI法と同等のパララックスとビュー依存効果を合成し, 反射率の変化と光の時間変化を同時に補間する。
  論文  参考訳（メタデータ） (2020-07-30T02:52:10Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。