Fugu-MT 論文翻訳(概要): Reciprocal Visibility

論文の概要: Reciprocal Visibility

arxiv url: http://arxiv.org/abs/2402.06991v1
Date: Sat, 10 Feb 2024 16:52:22 GMT
ステータス: 処理完了
システム内更新日: 2024-02-13 18:08:15.355663
Title: Reciprocal Visibility
Title（参考訳）: 相互可視性
Authors: Rakesh John Amala Arokia Nathan, Sigrid Strand, Dmitriy Shutin, and Oliver Bimber
Abstract要約: 深度情報を用いて地上の個々のドローンの位置を可視化する。ヘルムホルツの相互性に触発され、二重状況を決定するために相互可視性を導入する。得られた可視マップは、地上のどの点が空気中の任意の位置からどの程度の大きさで見えるかを符号化する。
参考スコア（独自算出の注目度）: 3.8564220433243666
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We propose a guidance strategy to optimize real-time synthetic aperture sampling for occlusion removal with drones by pre-scanned point-cloud data. Depth information can be used to compute visibility of points on the ground for individual drone positions in the air. Inspired by Helmholtz reciprocity, we introduce reciprocal visibility to determine the dual situation - the visibility of potential sampling position in the air from given points of interest on the ground. The resulting visibility map encodes which point on the ground is visible by which magnitude from any position in the air. Based on such a map, we demonstrate a first greedy sampling optimization.
Abstract（参考訳）: そこで本研究では,実時間合成開口サンプリングの最適化手法を提案する。深度情報は、空中の個々のドローンの位置の地上の点の可視性を計算するために使用できる。ヘルムホルツの相互性に触発されて,地上の任意の地点から空気中の潜在的なサンプリング位置を視認する2つの状況を決定するために相互視認性を導入する。得られた可視マップは、地上のどの点が空気中の任意の位置からどの大きさで見えるかを符号化する。このようなマップに基づいて,最初のグリーディサンプリング最適化を示す。

関連論文リスト

Visibility-Aware Keypoint Localization for 6DoF Object Pose Estimation [56.07676459156789]
2次元画像における3Dキーポイントの局所化は、6DoFオブジェクトのポーズ推定のための3D-2D対応を確立する効果的な方法である。本稿では、重要なキーポイントを可視性の観点からローカライズすることでこの問題に対処する。我々は、可視性を考慮した重要度と最先端のポーズ推定アルゴリズムを統合することにより、VAPO(Visibility-Aware POse estimator)を構築する。
論文参考訳（メタデータ） (2024-03-21T16:59:45Z)
Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2023-05-22T07:09:35Z)
Synthetic Aperture Sensing for Occlusion Removal with Drone Swarms [4.640835690336653]
我々は、密集した森林地帯において、密集した目標を検出し、追跡する上で、自律型ドローン群がいかに効率的かを実証する。閉塞密度や目標視斜視といった局所的な観測条件の探索と最適化は、従来のブラインドサンプリング戦略よりもはるかに高速で信頼性の高い結果を提供する。
論文参考訳（メタデータ） (2022-12-30T13:19:15Z)
Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
論文参考訳（メタデータ） (2022-08-24T14:59:28Z)
Improved Orientation Estimation and Detection with Hybrid Object Detection Networks for Automotive Radar [1.53934570513443]
我々は,レーダに基づく物体検出ネットワークを改善するために,グリッドとポイントを併用した新しいハイブリッドアーキテクチャを提案する。格子描画の前に、点の正確な相対位置を利用して、点ベースモデルが近傍の特徴を抽出できることが示される。これは、次の畳み込み検出バックボーンに対して大きなメリットがある。
論文参考訳（メタデータ） (2022-05-03T06:29:03Z)
PUFA-GAN: A Frequency-Aware Generative Adversarial Network for 3D Point Cloud Upsampling [56.463507980857216]
本稿では,点群アップサンプリングのための生成的対向ネットワークを提案する。基底表面に均等に分布するアップサンプリングポイントを作成できるだけでなく、クリーンな高周波領域を効率的に生成することができる。
論文参考訳（メタデータ） (2022-03-02T07:47:46Z)
Simulated LiDAR Repositioning: a novel point cloud data augmentation method [0.0]
ある位置からシーンのLiDARスキャンをすると、そのシーンの異なる二次的な位置からの新しいスキャンをシミュレートするにはどうすればよいのか? この方法は有効な二次位置を選択するための基準を定義し、次に元の点雲からのどの点がこれらの位置からスキャナーによって取得されるかを推定する。提案手法は, 短時間で精度が向上し, 原点雲の高分解能化が生成点雲の類似性に強い影響を与えることを示す。
論文参考訳（メタデータ） (2021-11-20T18:35:39Z)
PANet: Perspective-Aware Network with Dynamic Receptive Fields and Self-Distilling Supervision for Crowd Counting [63.84828478688975]
本稿では,視点問題に対処するため,PANetと呼ばれる新しい視点認識手法を提案する。対象物のサイズが視点効果によって1つの画像で大きく変化するという観測に基づいて,動的受容場(DRF)フレームワークを提案する。このフレームワークは、入力画像に応じて拡張畳み込みパラメータによって受容野を調整することができ、モデルが各局所領域についてより識別的な特徴を抽出するのに役立つ。
論文参考訳（メタデータ） (2021-10-31T04:43:05Z)
Style-based Point Generator with Adversarial Rendering for Point Cloud Completion [24.83021067885922]
ポイントクラウド補完のための逆レンダリング(SpareNet)を備えたスタイルベースのポイントジェネレータ。我々は,局所構造と点特徴のグローバル形状を十分に活用するために,チャネル指向のedgeconvを提案する。そこで本研究では,異なる視点で知覚現実主義を提唱するために,相違可能な深度マップに完成点を投影し,敵対的トレーニングを適用することを提案する。
論文参考訳（メタデータ） (2021-03-03T17:21:29Z)
LNSMM: Eye Gaze Estimation With Local Network Share Multiview Multitask [7.065909514483728]
本稿では,視線点と視線方向を同時に推定する新しい手法を提案する。本手法は,視線点と視線方向の2つの指標について,現在主流の手法であることを示す。
論文参考訳（メタデータ） (2021-01-18T15:14:24Z)
SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine Reconstruction with Self-Projection Optimization [52.20602782690776]
実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
論文参考訳（メタデータ） (2020-12-08T14:14:09Z)

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。