論文の概要: NocPlace: Nocturnal Visual Place Recognition via Generative and Inherited Knowledge Transfer

• arxiv url: http://arxiv.org/abs/2402.17159v2
• Date: Thu, 21 Mar 2024 07:29:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-22 18:58:05.430832
• Title: NocPlace: Nocturnal Visual Place Recognition via Generative and Inherited Knowledge Transfer
• Title（参考訳）: NocPlace: 生成的および継承的知識伝達による夜間視覚的位置認識
• Authors: Bingxi Liu, Yiqun Wang, Huaqi Tao, Tingjun Huang, Fulin Tang, Yihong Wu, Jinqiang Cui, Hong Zhang,
• Abstract要約: NocPlaceは、世界のディスクリプタに照らされた光と極暗に対するレジリエンスを埋め込む。 NocPlaceは、東京24/7ナイトで7.6%、SVOXナイトで16.8%向上している。
• 参考スコア（独自算出の注目度）: 11.203135595002978
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Visual Place Recognition (VPR) is crucial in computer vision, aiming to retrieve database images similar to a query image from an extensive collection of known images. However, like many vision tasks, VPR always degrades at night due to the scarcity of nighttime images. Moreover, VPR needs to address the cross-domain problem of night-to-day rather than just the issue of a single nighttime domain. In response to these issues, we present NocPlace, which leverages generative and inherited knowledge transfer to embed resilience against dazzling lights and extreme darkness in the global descriptor. First, we establish a day-night urban scene dataset called NightCities, capturing diverse lighting variations and dark scenarios across 60 cities globally. Then, an image generation network is trained on this dataset and processes a large-scale VPR dataset, obtaining its nighttime version. Finally, VPR models are fine-tuned using descriptors inherited from themselves and night-style images, which builds explicit cross-domain contrastive relationships. Comprehensive experiments on various datasets demonstrate our contributions and the superiority of NocPlace. Without adding any real-time computing resources, NocPlace improves the performance of Eigenplaces by 7.6% on Tokyo 24/7 Night and 16.8% on SVOX Night.
• Abstract（参考訳）: 視覚的位置認識(VPR)はコンピュータビジョンにおいて重要であり、既知の画像の広範なコレクションからクエリ画像に似たデータベースイメージを取得することを目的としている。 しかし、多くの視覚タスクと同様に、VPRは常に夜間画像の不足のために夜間に劣化する。 さらに、VPRは単一の夜間ドメインの問題ではなく、夜間のドメイン間の問題に対処する必要がある。 これらの問題に対する対応として,NacPlaceを提案する。このNacPlaceは生成的および継承的知識伝達を利用して,ダズリングライトや極暗光に対するレジリエンスをグローバルディスクリプタに埋め込む。 まず、NightCitiesと呼ばれる日夜の都市シーンのデータセットを作成し、世界中の60都市で様々な照明のバリエーションと暗いシナリオを捉えます。 そして、このデータセットに基づいて画像生成ネットワークをトレーニングし、大規模なVPRデータセットを処理し、その夜間バージョンを取得する。 最後に、VPRモデルは、自分自身から継承されたディスクリプタと、明示的なクロスドメインのコントラスト関係を構築するナイトスタイルのイメージを使用して、微調整される。 さまざまなデータセットに関する総合的な実験は、私たちの貢献とNocPlaceの優位性を示しています。 NocPlaceはリアルタイムコンピューティングリソースを追加せずに、東京24/7夜のEigenplacesのパフォーマンスを7.6%改善し、SVOX Nightは16.8%向上した。

関連論文リスト

• Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
  夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。 具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。 提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-08-25T13:59:31Z)
• PIG: Prompt Images Guidance for Night-Time Scene Parsing [48.35991796324741]
  非教師なし領域適応(UDA)が夜景の研究の主流となっている。 そこで我々はNFNet(Night-Focused Network)を提案する。 NightCity、NightCity+、Dark Zurich、ACDCの4つのナイトタイムデータセットで実験を行いました。
  論文  参考訳（メタデータ） (2024-06-15T07:06:19Z)
• Similarity Min-Max: Zero-Shot Day-Night Domain Adaptation [52.923298434948606]
  低照度条件は人間の視覚経験を妨げるだけでなく、下流の視覚タスクにおけるモデルの性能を低下させる。 この論文は、境界適用性、すなわちゼロショットの昼夜ドメイン適応に関するより複雑なシナリオに挑戦する。 我々は、それらを統一された枠組みで考える類似性 min-max パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-17T18:50:15Z)
• Disentangled Contrastive Image Translation for Nighttime Surveillance [87.03178320662592]
  夜間監視は、照明の悪さと厳しい人間のアノテーションによる劣化に悩まされる。 既存の手法では、暗黒の物体を知覚するためにマルチスペクトル画像が使われており、解像度の低さと色の不在に悩まされている。 夜間監視の究極の解決策は、夜から昼までの翻訳(Night2Day)である、と私たちは主張する。 本論文は、夜間監視研究を支援する6つのシーンを含む、NightSuRと呼ばれる新しい監視データセットに貢献する。
  論文  参考訳（メタデータ） (2023-07-11T06:40:27Z)
• NPR: Nocturnal Place Recognition in Streets [15.778129994700496]
  我々は、視覚的位置認識(VPR)を分割し、夜間位置認識(NPR)を克服する新しいパイプラインを提案する。 具体的には、最初にストリートレベルの昼夜データセット、NightStreetを構築し、未ペア画像から画像への翻訳モデルのトレーニングに使用しました。 そして、このモデルを使って既存の大規模VPRデータセットを処理し、VPR-Nightデータセットを生成し、それらを2つの人気のあるVPRパイプラインと組み合わせる方法について実証した。
  論文  参考訳（メタデータ） (2023-04-01T09:43:58Z)
• Boosting Night-time Scene Parsing with Learnable Frequency [53.05778451012621]
  NTSP(Night-Time Scene Parsing)は多くの視覚アプリケーション、特に自律運転に必須である。 既存の手法のほとんどは日中シーン解析のために提案されている。 提案手法は,NightCity,NightCity+およびBDD100K-nightデータセットの最先端手法に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2022-08-30T13:09:59Z)
• Self-supervised Monocular Depth Estimation for All Day Images using Domain Separation [17.066753214406525]
  本稿では,全日画像の自己教師付き深度推定のための領域分離ネットワークを提案する。 提案手法は,オックスフォード・ロボットカー・データセットにおける全日画像の最先端の深度推定結果を実現する。
  論文  参考訳（メタデータ） (2021-08-17T13:52:19Z)
• DANNet: A One-Stage Domain Adaptation Network for Unsupervised Nighttime Semantic Segmentation [18.43890050736093]
  夜間セマンティックセグメンテーションのための新しいドメイン適応ネットワーク(DANNet)を提案する。 ラベル付きデイタイムデータセットとラベルなしデータセットを備えた敵対的なトレーニングを採用している。 本手法は,夜間セマンティックセグメンテーションにおける最新性能を実現する。
  論文  参考訳（メタデータ） (2021-04-22T02:49:28Z)
• Night-time Scene Parsing with a Large Real Dataset [67.11211537439152]
  我々は,夜間シーン解析(NTSP)の問題に対処することを目指しており,主な課題が2つある。 夜間データの不足に対処するため、実夜間画像4,297枚からなる新しいラベル付きデータセット、NightCityを収集した。 また,NTSP問題に対処するための露出認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-15T18:11:34Z)

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。