Fugu-MT 論文翻訳(概要): Partial Coherence for Object Recognition and Depth Sensing

論文の概要: Partial Coherence for Object Recognition and Depth Sensing

arxiv url: http://arxiv.org/abs/2401.02432v1
Date: Tue, 14 Nov 2023 17:21:03 GMT
ステータス: 処理完了
システム内更新日: 2024-01-15 09:42:08.821623
Title: Partial Coherence for Object Recognition and Depth Sensing
Title（参考訳）: 物体認識と深度センシングのための部分コヒーレンス
Authors: Zichen Xie and Ken Xingze Wang
Abstract要約: 様々なコンピュータビジョンタスクのパフォーマンスと照明のコヒーレンス度とのモノトニックな関係を示す。我々は、計算手法を用いて部分コヒーレント照明をシミュレートし、光波を伝播して画像を形成する。
参考スコア（独自算出の注目度）: 0.27195102129094995
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We show a monotonic relationship between performances of various computer vision tasks versus degrees of coherence of illumination. We simulate partially coherent illumination using computational methods, propagate the lightwave to form images, and subsequently employ a deep neural network to perform object recognition and depth sensing tasks. In each controlled experiment, we discover that, increased coherent length leads to improved image entropy, as well as enhanced object recognition and depth sensing performance.
Abstract（参考訳）: 様々なコンピュータビジョンタスクのパフォーマンスと照明のコヒーレンス度とのモノトニックな関係を示す。計算手法を用いて部分的にコヒーレントな照明をシミュレートし、光波を伝播させて画像を形成する。各制御実験において,コヒーレント長の増大により画像エントロピーが向上し,物体認識や深度センシング性能が向上することが判明した。

関連論文リスト

Depth-guided Texture Diffusion for Image Semantic Segmentation [47.46257473475867]
本稿では,この課題を効果的に解決するディープスガイド型テクスチャ拡散手法を提案する。本手法は,テクスチャ画像を作成するために,エッジやテクスチャから低レベル特徴を抽出する。この拡張深度マップを元のRGB画像と結合した特徴埋め込みに統合することにより,深度マップと画像との相違を効果的に橋渡しする。
論文参考訳（メタデータ） (2024-08-17T04:55:03Z)
DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-12-07T07:19:45Z)
Foveation in the Era of Deep Learning [6.602118206533142]
本稿では,グラフ畳み込みネットワークを利用してフェーブ化された画像を処理する,エンドツーエンドで微分可能なアクティブ・ビジョン・アーキテクチャを提案する。我々のモデルは、分類に関連する画像の領域に反復的に出席することを学ぶ。我々のモデルは最先端のCNNと、同等のパラメータと与えられたピクセルや予算の視覚アーキテクチャより優れています。
論文参考訳（メタデータ） (2023-12-03T16:48:09Z)
Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文参考訳（メタデータ） (2023-11-02T13:57:48Z)
Panoptic-Depth Color Map for Combination of Depth and Image Segmentation [2.33877878310217]
画像分割と深度推定を組み合わせた革新的な手法を提案する。セグメンテーションネットワークに追加の深さ推定ブランチを組み込むことで、各インスタンスセグメントの深さを予測することができる。提案手法は,より包括的な画像認識結果を生成するために,異なるタスクとネットワークを組み合わせる新たな可能性を示す。
論文参考訳（メタデータ） (2023-08-24T17:25:09Z)
USegScene: Unsupervised Learning of Depth, Optical Flow and Ego-Motion with Semantic Guidance and Coupled Networks [31.600708674008384]
UegSceneは、ステレオカメラ画像の奥行き、光学的流れ、エゴモーション推定を意味的に導くためのフレームワークである。一般的なKITTIデータセットを用いて,提案手法が他の手法よりも大きなマージンで優れていることを示す。
論文参考訳（メタデータ） (2022-07-15T13:25:47Z)
Peripheral Vision Transformer [52.55309200601883]
我々は生物学的にインスパイアされたアプローチを採用し、視覚認識のためのディープニューラルネットワークの周辺視覚をモデル化する。本稿では,マルチヘッド自己アテンション層に周辺位置エンコーディングを組み込むことにより,トレーニングデータから視覚領域を様々な周辺領域に分割することをネットワークが学べるようにすることを提案する。大規模画像Netデータセット上でPerViTと呼ばれる提案したネットワークを評価し,マシン知覚モデルの内部動作を体系的に検討した。
論文参考訳（メタデータ） (2022-06-14T12:47:47Z)
Self-Guided Instance-Aware Network for Depth Completion and Enhancement [6.319531161477912]
既存の手法では,画素ワイド画像の内容とそれに対応する近傍の深度値に基づいて,欠落した深度測定を直接補間する。本稿では、自己誘導機構を利用して、深度復元に必要なインスタンスレベルの特徴を抽出する自己誘導型インスタンス認識ネットワーク(SG-IANet)を提案する。
論文参考訳（メタデータ） (2021-05-25T19:41:38Z)
Dual Pixel Exploration: Simultaneous Depth Estimation and Image Restoration [77.1056200937214]
本研究では,ぼかしと深度情報をリンクするDPペアの形成について検討する。本稿では,画像の深さを共同で推定し,復元するためのエンドツーエンドDDDNet(DPベースのDepth and De Network)を提案する。
論文参考訳（メタデータ） (2020-12-01T06:53:57Z)
Learning Depth With Very Sparse Supervision [57.911425589947314]
本稿では, 環境との相互作用を通じて, 知覚が世界の3次元特性と結合するという考えを考察する。我々は、環境と対話するロボットが利用できるような、特殊なグローバルローカルネットワークアーキテクチャを訓練する。いくつかのデータセットの実験では、画像ピクセルの1つでも基底真理が利用できる場合、提案されたネットワークは、最先端のアプローチよりも22.5%の精度でモノクロの深度推定を学習できることを示している。
論文参考訳（メタデータ） (2020-03-02T10:44:13Z)

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。