Fugu-MT 論文翻訳(概要): UAV-Rain1k: A Benchmark for Raindrop Removal from UAV Aerial Imagery

論文の概要: UAV-Rain1k: A Benchmark for Raindrop Removal from UAV Aerial Imagery

arxiv url: http://arxiv.org/abs/2402.05773v1
Date: Thu, 8 Feb 2024 16:00:25 GMT
ステータス: 処理完了
システム内更新日: 2024-02-09 14:30:11.036850
Title: UAV-Rain1k: A Benchmark for Raindrop Removal from UAV Aerial Imagery
Title（参考訳）: UAV-Rain1k:UAV航空画像からの雨滴除去ベンチマーク
Authors: Wenhui Chang, Hongming Chen, Xin He, Xiang Chen, Liangduo Shen
Abstract要約: UAVのレンズに付着した雨滴は、背景の視認性を阻害し、画質を低下させる。まず,UAV画像から雨滴を除去するUAV-Rain1kというベンチマークデータセットを構築した。
参考スコア（独自算出の注目度）: 20.3559639593356
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Raindrops adhering to the lens of UAVs can obstruct visibility of the background scene and degrade image quality. Despite recent progress in image deraining methods and datasets, there is a lack of focus on raindrop removal from UAV aerial imagery due to the unique challenges posed by varying angles and rapid movement during drone flight. To fill the gap in this research, we first construct a new benchmark dataset for removing raindrops from UAV images, called UAV-Rain1k. In this letter, we provide a dataset generation pipeline, which includes modeling raindrop shapes using Blender, collecting background images from various UAV angles, random sampling of rain masks and etc. Based on the proposed benchmark, we further present a comprehensive evaluation of existing representative image deraining algorithms, and reveal future research opportunities worth exploring. The proposed dataset will be publicly available at https://github.com/cschenxiang/UAV-Rain1k.
Abstract（参考訳）: UAVのレンズに付着した雨滴は背景の視認性を阻害し、画質を低下させる。画像デヴァイニング手法やデータセットの最近の進歩にもかかわらず、ドローン飛行中に様々な角度や急速移動によって生じる固有の課題により、UAVの空中画像からの雨滴除去に焦点が当てられていない。この研究のギャップを埋めるために、UAV-Rain1kと呼ばれるUAV画像から雨滴を除去する新しいベンチマークデータセットを構築した。このレターでは,ブレンダを用いた雨滴形状のモデル化,さまざまなuavアングルからの背景画像の収集,雨面のランダムサンプリングなどを含むデータセット生成パイプラインを提供する。提案するベンチマークに基づいて,既存の代表画像デクリニングアルゴリズムの総合的な評価を行い,今後の探索研究の機会を明らかにする。提案されたデータセットはhttps://github.com/cschenxiang/UAV-Rain1kで公開される。

関連論文リスト

Power Line Aerial Image Restoration under dverse Weather: Datasets and Baselines [17.3009572002435]
電力線自律検査(PLAI)はスマートグリッドの構築において重要な役割を果たす。 PLAIはUAVが捉えた空中画像の電気成分と欠陥を正確に検出して完成する。航空画像の可視的品質は、ヘイズ、雨、雪などの悪天候によって必然的に劣化し、我々の研究で検出精度を劇的に低下させることが判明した。本稿では,悪天候の劣化画像から清潔で高品質な画像の復元を目的とした,逆気象下での電力線動画像復元(PLAIR-AW)の課題を提案する。
論文参考訳（メタデータ） (2024-09-07T12:53:05Z)
Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。 MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文参考訳（メタデータ） (2023-12-07T18:59:14Z)
Investigation of UAV Detection in Images with Complex Backgrounds and Rainy Artifacts [20.20609511526255]
UAV検出のための視覚に基づく物体検出法が開発されている。複雑な背景と雨のような気象要素を持つ画像におけるUAV検出は、まだ合理的に研究されていない。この研究は、最先端のオブジェクト検出モデルのベンチマークにも重点を置いている。
論文参考訳（メタデータ） (2023-05-25T19:54:33Z)
ScatterNeRF: Seeing Through Fog with Physically-Based Inverse Neural Rendering [83.75284107397003]
本稿では,シーンをレンダリングし,霧のない背景を分解するニューラルネットワークレンダリング手法であるScatterNeRFを紹介する。本研究では,散乱量とシーンオブジェクトの非絡み合い表現を提案し,物理に着想を得た損失を伴ってシーン再構成を学習する。マルチビューIn-the-Wildデータをキャプチャして,大規模な霧室内でのキャプチャを制御し,本手法の有効性を検証した。
論文参考訳（メタデータ） (2023-05-03T13:24:06Z)
UAVStereo: A Multiple Resolution Dataset for Stereo Matching in UAV Scenarios [0.6524460254566905]
本稿では,UAVStereoと呼ばれる多解像度UAVシナリオデータセットを構築し,34k以上のステレオ画像ペアが3つの典型的なシーンをカバーしている。本稿では,UAVシナリオにおける課題に対処する際の限界を明らかにするとともに,従来型および最先端のディープラーニング手法の評価を行う。
論文参考訳（メタデータ） (2023-02-20T16:45:27Z)
Toward Real-world Single Image Deraining: A New Benchmark and Beyond [79.5893880599847]
現実シナリオにおけるSID(Single Image deraining)は近年注目されている。以前の実際のデータセットは、低解像度の画像、均一な雨のストリーク、背景の変化の制限、イメージペアの誤調整に悩まされていた。我々はRealRain-1kという新しい高品質のデータセットを構築した。
論文参考訳（メタデータ） (2022-06-11T12:26:59Z)
Beyond Monocular Deraining: Parallel Stereo Deraining Network Via Semantic Prior [103.49307603952144]
ほとんどの既存の脱雨アルゴリズムは単一の入力画像のみを使用し、クリーンな画像の復元を目指しています。本稿では,ステレオ画像とセマンティック情報の両方を利用するPaired Rain Removal Network(PRRNet)を提案する。単分子および新たに提案したステレオ降雨データセットの両方の実験により,提案手法が最先端の性能を達成することを示す。
論文参考訳（メタデータ） (2021-05-09T04:15:10Z)
Raindrops on Windshield: Dataset and Lightweight Gradient-Based Detection Algorithm [0.0]
本稿では,視覚アルゴリズムの性能をトレーニングし,カメラレンズやフロントガラスのイメージアーティファクト検出の異なるタスクに対して評価するための新しいデータセットを提案する。また,画像上に合成雨滴を生成可能なデータ拡張アルゴリズムを提案する。提案アルゴリズムは降雨量検出の精度と画像処理速度を向上し,実際の自律システムの自己検査手法に適用できることを示した。
論文参考訳（メタデータ） (2021-04-11T19:04:59Z)
A Flow Base Bi-path Network for Cross-scene Video Crowd Understanding in Aerial View [93.23947591795897]
本稿では,これらの課題に対処し,ドローンから収集した視覚的データから参加者を自動的に理解する。クロスシーンテストで発生する背景雑音を軽減するために, 二重ストリーム群カウントモデルを提案する。極暗環境下での集団密度推定問題に対処するために,ゲームグランドセフトオートV(GTAV)によって生成された合成データを導入する。
論文参考訳（メタデータ） (2020-09-29T01:48:24Z)
Multi-Scale Progressive Fusion Network for Single Image Deraining [84.0466298828417]
空気中の雨のストリークは、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。同様の降雨パターンは、雨像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができる。本研究では,入力画像のスケールと階層的な深部特徴の観点から,雨天のマルチスケール協調表現について検討する。
論文参考訳（メタデータ） (2020-03-24T17:22:37Z)
AU-AIR: A Multi-modal Unmanned Aerial Vehicle Dataset for Low Altitude Traffic Surveillance [20.318367304051176]
カメラを搭載した無人航空機(UAV)は、空中(バードビュー)画像を撮影する利点がある。オブジェクトアノテーションによる視覚データを含む、いくつかの空中データセットが導入されている。本研究では,実環境下で収集されたマルチモーダルセンサデータを有する多目的航空データセット(AU-AIR)を提案する。
論文参考訳（メタデータ） (2020-01-31T09:45:12Z)

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。