論文の概要: Electric Network Frequency Optical Sensing Devices

• arxiv url: http://arxiv.org/abs/2311.13954v1
• Date: Thu, 23 Nov 2023 12:09:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-27 23:55:51.935076
• Title: Electric Network Frequency Optical Sensing Devices
• Title（参考訳）: 電気ネットワーク周波数光センシング装置
• Authors: Christos Moysiadis, Georgios Karantaidis, Constantine Kotropoulos
• Abstract要約: ENF(Electric Network Frequency)は、マルチメディア法医学の応用において指紋として機能する。 センサ装置が捉えた光強度の変動を利用してENFを推定することができる。 論文の主な貢献は、ホワイトウォールをキャプチャする静的なものから、人間の活動を含む非静的なものまで、ENFの推定に関する広範な実験的証拠を公開することである。
• 参考スコア（独自算出の注目度）: 2.5782420501870296
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electric Network Frequency (ENF) acts as a fingerprint in multimedia forensics applications. In indoor environments, ENF variations affect the intensity of light sources connected to power mains. Accordingly, the light intensity variations captured by sensing devices can be exploited to estimate the ENF. A first optical sensing device based on a photodiode is developed for capturing ENF variations in indoor lighting environments. In addition, a device that captures the ENF directly from power mains is implemented. This device serves as a ground truth ENF collector. Video recordings captured by a camera are also employed to estimate the ENF. The camera serves as a second optical sensor. The factors affecting the ENF estimation are thoroughly studied. The maximum correlation coefficient between the ENF estimated by the two optical sensors and that estimated directly from power mains is used to measure the estimation accuracy. The paper's major contribution is in the disclosure of extensive experimental evidence on ENF estimation in scenes ranging from static ones capturing a white wall to non-static ones, including human activity.
• Abstract（参考訳）: ENF(Electric Network Frequency)は、マルチメディア法医学の応用において指紋として機能する。 屋内環境では、ENFの変動は主電源に接続された光源の強度に影響を与える。 これにより、センサ装置が捉えた光強度変動を利用してENFを推定することができる。 光ダイオードに基づく第1の光センシング装置は、室内照明環境におけるENF変動を捉えるために開発された。 また、電源メインから直接ENFを捕捉する装置を実装する。 この装置は、真理ENFコレクターとして機能する。 カメラが捉えたビデオ記録もENFを推定するために使われる。 カメラは第2の光学センサーとして機能する。 ENF推定に影響を及ぼす要因について検討した。 2つの光学センサで推定されるenfとパワーメインから直接推定されるenfとの最大相関係数を用いて推定精度を測定する。 論文の主な貢献は、白壁を捕獲する静的なものから人間の活動を含む非静的なものまで、enf推定に関する広範な実験的な証拠の開示である。

関連論文リスト

• Self-Supervised Spatially Variant PSF Estimation for Aberration-Aware Depth-from-Defocus [14.383129822833155]
  収差認識に基づくデフォーカスからの深度学習(DfD)のための新しい自己教師型学習法を提案する。 PSF推定では、回転対称なPSFを仮定し、極座標系を導入する。 また、実際のDfDの状況で発生する集中呼吸現象にも対処する。
  論文  参考訳（メタデータ） (2024-02-28T09:07:26Z)
• FS-BAND: A Frequency-Sensitive Banding Detector [55.59101150019851]
  バンディング・アーティファクト(Banding artifact)は、階段のような輪郭(contour)として知られ、圧縮や伝達などで発生する一般的な品質の不快さである。 周波数感度バンディング検出器 (FS-BAND) と呼ばれる,帯状アーティファクトを捕捉・評価するための非参照帯状検出モデルを提案する。 実験結果から,FS-BAND法は画像品質評価(IQA)手法よりもバンドリング分類タスクの精度が高い結果を得た。
  論文  参考訳（メタデータ） (2023-11-30T03:20:42Z)
• ADFactory: An Effective Framework for Generalizing Optical Flow with Nerf [0.4532517021515834]
  自動データファクトリ(ADF)による新しい光フロートレーニングフレームワークについて紹介する。 ADFは、ターゲットデータ領域上の光フローネットワークを効果的にトレーニングするために、入力としてRGBイメージのみを必要とする。 我々は、高度なNerf技術を用いて、単眼カメラで収集した写真群からシーンを再構築する。 生成したラベルを光フローマッチングの精度、放射界の信頼性、深さの整合性などの複数の側面からスクリーニングする。
  論文  参考訳（メタデータ） (2023-11-07T05:21:45Z)
• Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a Light-Weight ToF Sensor [58.305341034419136]
  単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。 本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。 実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-08-28T07:56:13Z)
• Fully Self-Supervised Depth Estimation from Defocus Clue [79.63579768496159]
  スパース焦点スタックから深度を純粋に推定する自己教師型フレームワークを提案する。 筆者らのフレームワークは,深度とAIF画像の接地構造の必要性を回避し,より優れた予測を得られることを示す。
  論文  参考訳（メタデータ） (2023-03-19T19:59:48Z)
• Weakly-Supervised Optical Flow Estimation for Time-of-Flight [11.496094830445054]
  再構成深度に直接光フローネットワークを監視できるトレーニングアルゴリズムを提案する。 本手法により,iToF深度画像における生のiToF測定値の整列と運動成果物の補償を可能にする。
  論文  参考訳（メタデータ） (2022-10-11T09:47:23Z)
• Deep Frequency Filtering for Domain Generalization [55.66498461438285]
  Deep Neural Networks(DNN)は、学習プロセスにおいて、いくつかの周波数成分を優先する。 本稿では、ドメイン一般化可能な特徴を学習するためのDeep Frequency Filtering (DFF)を提案する。 提案したDFFをベースラインに適用すると,ドメインの一般化タスクにおける最先端の手法よりも優れることを示す。
  論文  参考訳（メタデータ） (2022-03-23T05:19:06Z)
• Wild ToFu: Improving Range and Quality of Indirect Time-of-Flight Depth with RGB Fusion in Challenging Environments [56.306567220448684]
  本稿では,ノイズの多い生のI-ToF信号とRGB画像を用いた学習に基づくエンド・ツー・エンドの深度予測ネットワークを提案する。 最終深度マップでは,ベースラインアプローチと比較して40%以上のRMSE改善が見られた。
  論文  参考訳（メタデータ） (2021-12-07T15:04:14Z)
• FD-GAN: Generative Adversarial Networks with Fusion-discriminator for Single Image Dehazing [48.65974971543703]
  画像デハージングのためのFusion-Discriminator (FD-GAN) を用いた完全エンドツーエンドのジェネレータネットワークを提案する。 我々のモデルは、より自然でリアルなデハズド画像を生成することができ、色歪みは少なく、アーティファクトも少ない。 実験により, 提案手法は, 公開合成データセットと実世界の画像の両方において, 最先端の性能に達することが示された。
  論文  参考訳（メタデータ） (2020-01-20T04:36:11Z)

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。