論文の概要: FLAME Diffuser: Wildfire Image Synthesis using Mask Guided Diffusion

• arxiv url: http://arxiv.org/abs/2403.03463v2
• Date: Mon, 30 Sep 2024 20:23:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-02 16:32:38.507922
• Title: FLAME Diffuser: Wildfire Image Synthesis using Mask Guided Diffusion
• Title（参考訳）: FLAMEディフューザ:マスク誘導拡散を用いたワイルドファイア画像合成
• Authors: Hao Wang, Sayed Pedram Haeri Boroujeni, Xiwen Chen, Ashish Bastola, Huayu Li, Wenhui Zhu, Abolfazl Razi,
• Abstract要約: 本研究では,現実的な山火事画像を生成するためのトレーニングフリーで拡散型フレームワークを提案する。 われわれのフレームワークは、本物の山火事データからサンプル化した拡張マスクを用いており、現実的な炎の発生を誘導するためにパーリンノイズを適用している。 正規化Frechet Inception Distance, CLIP Score, カスタムCLIP Confidence測定値を用いて生成画像を評価する。
• 参考スコア（独自算出の注目度）: 4.038140001938416
• License:
• Abstract: Wildfires are a significant threat to ecosystems and human infrastructure, leading to widespread destruction and environmental degradation. Recent advancements in deep learning and generative models have enabled new methods for wildfire detection and monitoring. However, the scarcity of annotated wildfire images limits the development of robust models for these tasks. In this work, we present the FLAME Diffuser, a training-free, diffusion-based framework designed to generate realistic wildfire images with paired ground truth. Our framework uses augmented masks, sampled from real wildfire data, and applies Perlin noise to guide the generation of realistic flames. By controlling the placement of these elements within the image, we ensure precise integration while maintaining the original images style. We evaluate the generated images using normalized Frechet Inception Distance, CLIP Score, and a custom CLIP Confidence metric, demonstrating the high quality and realism of the synthesized wildfire images. Specifically, the fusion of Perlin noise in this work significantly improved the quality of synthesized images. The proposed method is particularly valuable for enhancing datasets used in downstream tasks such as wildfire detection and monitoring.
• Abstract（参考訳）: 森林火災は生態系や人的インフラにとって重大な脅威であり、大規模な破壊と環境破壊につながっている。 近年のディープラーニングと生成モデルの進歩により,山火事の検出とモニタリングの新しい手法が実現されている。 しかし、注釈付き山火事画像の不足により、これらの課題に対する堅牢なモデルの開発が制限される。 本研究では,FAME Diffuserについて述べる。FLAME Diffuserは,現実的な山火事画像を生成するためのトレーニングフリーで拡散型フレームワークである。 われわれのフレームワークは、実際の山火事データからサンプル化した拡張マスクを用いており、現実的な炎の発生を誘導するためにパーリンノイズを適用している。 画像内のこれらの要素の配置を制御することにより、元の画像スタイルを維持しながら正確な統合を確実にする。 本稿では,正規化Frechet Inception Distance,CLIP Score,CLIP Confidenceの測定値を用いて生成画像の評価を行い,合成した山火事画像の品質とリアリズムを実証した。 特に、この研究におけるパーリンノイズの融合は、合成画像の品質を著しく向上させた。 提案手法は特に,山火事の検出やモニタリングなどの下流タスクで使用されるデータセットの強化に有用である。

関連論文リスト

• Harmonizing Light and Darkness: A Symphony of Prior-guided Data Synthesis and Adaptive Focus for Nighttime Flare Removal [44.35766203309201]
  インセンス光源は、夜間に撮影画像にフレアを発生させることが多く、視覚的品質を劣化させ、下流の用途に悪影響を及ぼす。 効果的なフレア除去ネットワークをトレーニングするためには、信頼できるデータセットが不可欠である。 フレアの明るさが照明法則に合致するマルチフレア画像を含むフレア7K*という先行誘導型データセットを合成する。 クリーンな背景領域を適応的にマスキングし,フレアに強く影響された領域にフォーカスするモデルを支援するためのプラグイン・アンド・プレイ適応型フォーカス・モジュール (AFM) を提案する。
  論文  参考訳（メタデータ） (2024-03-30T10:37:56Z)
• SynFog: A Photo-realistic Synthetic Fog Dataset based on End-to-end Imaging Simulation for Advancing Real-World Defogging in Autonomous Driving [48.27575423606407]
  フォトリアリスティックな霧画像を生成するために,エンド・ツー・エンドのシミュレーションパイプラインを導入する。 我々は、スカイライトとアクティブな照明条件の両方を特徴とするSynFogという新しい合成霧データセットを提案する。 実験の結果,SynFogで訓練したモデルでは,視覚知覚と検出精度が優れていた。
  論文  参考訳（メタデータ） (2024-03-25T18:32:41Z)
• Thermal Image Calibration and Correction using Unpaired Cycle-Consistent Adversarial Networks [5.343932820859596]
  無人航空機(UAV)は、山火事の監視に柔軟で費用対効果の高いソリューションを提供する。 空中画像を用いた山火事の検出・評価のためのディープラーニングモデルの開発の進展は、既存のデータセットの可用性、サイズ、品質に制限されている。 本稿では,現在の山火事データセットの品質向上をめざして,カメラ技術の進歩に対応するソリューションを提案する。
  論文  参考訳（メタデータ） (2024-01-21T20:10:02Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• CamDiff: Camouflage Image Augmentation via Diffusion Model [83.35960536063857]
  CamDiffは、カモフラージュされたシーンで透明なオブジェクトを合成するための新しいアプローチだ。 我々は,潜伏拡散モデルを用いて,カモフラージュされたシーンで有能な物体を合成する。 当社のアプローチでは、フレキシブルな編集と大規模データセットの効率的な生成を低コストで実現している。
  論文  参考訳（メタデータ） (2023-04-11T19:37:47Z)
• Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
  近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。 我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
  論文  参考訳（メタデータ） (2023-04-02T10:25:09Z)
• Multimodal Wildland Fire Smoke Detection [5.15911752972989]
  研究によると、気候変動によって温暖な温度と乾燥状態が生まれ、長い山火事の季節と米国の山火事のリスクが増大する。 スモーキーネット(SmokeyNet)は,森林火災の煙を検出するための時間的情報を用いた深層学習モデルである。 SmokeyNetは、ほんの数分の時間で自動早期通知システムとして機能し、破壊的な山火事との戦いに有用なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T01:16:06Z)
• Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
  この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
  論文  参考訳（メタデータ） (2022-12-09T11:32:36Z)
• Unsupervised Wildfire Change Detection based on Contrastive Learning [1.53934570513443]
  山火事の深刻度を正確に評価することは, 火災発生地域における燃料条件のキャラクタリゼーションに寄与する。 本研究の目的は、高解像度マルチスペクトル衛星画像上に構築された自律システムを開発することである。
  論文  参考訳（メタデータ） (2022-11-26T20:13:14Z)
• Person Image Synthesis via Denoising Diffusion Model [116.34633988927429]
  本研究では,高忠実度人物画像合成に拡散モデルをいかに応用できるかを示す。 2つの大規模ベンチマークとユーザスタディの結果は、挑戦的なシナリオ下で提案したアプローチのフォトリアリズムを実証している。
  論文  参考訳（メタデータ） (2022-11-22T18:59:50Z)

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。