論文の概要: Semantics from Space: Satellite-Guided Thermal Semantic Segmentation Annotation for Aerial Field Robots
- arxiv url: http://arxiv.org/abs/2403.14056v1
- Date: Thu, 21 Mar 2024 00:59:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-22 15:46:42.808456
- Title: Semantics from Space: Satellite-Guided Thermal Semantic Segmentation Annotation for Aerial Field Robots
- Title（参考訳）: 宇宙からのセマンティックス:宇宙飛行ロボットのための衛星誘導熱セマンティックセマンティックセマンティックアノテーション
- Authors: Connor Lee, Saraswati Soedarmadji, Matthew Anderson, Anthony J. Clark, Soon-Jo Chung,
- Abstract要約: 本研究では,航空機から撮影した熱画像のセマンティックセグメンテーションアノテーションを自動生成する手法を提案する。
この新しい機能は、フィールドロボットの熱的意味認識アルゴリズムを開発する際の課題を克服する。
提案手法では,低解像度衛星土地被覆データを用いた高精度なセマンティックセマンティックセマンティクスラベルを低コストで作成することができる。
- 参考スコア（独自算出の注目度）: 8.265009823753982
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a new method to automatically generate semantic segmentation annotations for thermal imagery captured from an aerial vehicle by utilizing satellite-derived data products alongside onboard global positioning and attitude estimates. This new capability overcomes the challenge of developing thermal semantic perception algorithms for field robots due to the lack of annotated thermal field datasets and the time and costs of manual annotation, enabling precise and rapid annotation of thermal data from field collection efforts at a massively-parallelizable scale. By incorporating a thermal-conditioned refinement step with visual foundation models, our approach can produce highly-precise semantic segmentation labels using low-resolution satellite land cover data for little-to-no cost. It achieves 98.5% of the performance from using costly high-resolution options and demonstrates between 70-160% improvement over popular zero-shot semantic segmentation methods based on large vision-language models currently used for generating annotations for RGB imagery. Code will be available at: https://github.com/connorlee77/aerial-auto-segment.
- Abstract（参考訳）: 本研究では,衛星から得られたデータから得られた熱画像のセマンティックセグメンテーションアノテーションを自動的に生成する手法を提案する。
この新たな能力は、注釈付き熱フィールドデータセットの欠如と手動アノテーションの時間とコストにより、フィールドロボットの熱意味認識アルゴリズムを開発するという課題を克服し、大規模に並列化可能なフィールド収集作業から熱データの精密かつ迅速なアノテーションを可能にする。
視覚基礎モデルに熱条件改良工程を組み込むことで,低解像度衛星土地被覆データを用いて高精度なセマンティックセグメンテーションラベルを低コストで作成することができる。
コストの高い高解像度オプションを使用することで98.5%のパフォーマンスを実現し、RGB画像のアノテーションを生成するために現在使われている大きな視覚言語モデルに基づいて、一般的なゼロショットセマンティックセグメンテーション法よりも70-160%改善されていることを示す。
コードは以下の通り。 https://github.com/connorlee77/aerial-auto-segment。
関連論文リスト
- Hierarchical Features Matter: A Deep Exploration of GAN Priors for Improved Dataset Distillation [51.44054828384487]
階層的生成潜在蒸留(H-GLaD)と呼ばれる新しいパラメータ化法を提案する。
本手法はGAN内の階層層を系統的に探索する。
さらに,合成データセット評価に伴う計算負担を軽減するために,新しいクラス関連特徴距離尺度を導入する。
論文 参考訳（メタデータ） (2024-06-09T09:15:54Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。
我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
論文 参考訳（メタデータ） (2024-03-25T10:30:22Z) - Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。
提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
論文 参考訳（メタデータ） (2023-09-11T14:32:04Z) - Online Self-Supervised Thermal Water Segmentation for Aerial Vehicles [6.3267657083758735]
本稿では,RGB学習水分断ネットワークを目標領域の熱画像に適用するための新しい手法を提案する。
この新しい熱機能により、現在の自律飛行ロボットは、夜間に視覚ナビゲーション、バスメトリー、フロートラッキングなどのタスクを実行することができる。
論文 参考訳（メタデータ） (2023-07-18T07:35:28Z) - LESS: Label-Efficient Semantic Segmentation for LiDAR Point Clouds [62.49198183539889]
我々は,LiDAR点雲を用いた屋外シーンのためのラベル効率のよいセマンティックセマンティックセマンティクスパイプラインを提案する。
本手法は,半弱教師付き学習を用いて,効率的なラベリング手法を設計する。
提案手法は,100%ラベル付き完全教師付き手法と比較して,さらに競争力が高い。
論文 参考訳（メタデータ） (2022-10-14T19:13:36Z) - ARTSeg: Employing Attention for Thermal images Semantic Segmentation [6.060020806741279]
サーマルセマンティックセグメンテーションのためのARTSegという,アテンションベースのRecurrent Convolution Network (RCNN)エンコーダ・デコーダアーキテクチャを設計した。
提案手法の有効性を公開データセット上で評価し, 平均和合(IoU)における他の最先端手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2021-11-30T10:17:28Z) - Real-time Semantic Segmentation with Fast Attention [94.88466483540692]
本稿では,高解像度画像と映像をリアルタイムにセマンティックセグメンテーションするための新しいアーキテクチャを提案する。
提案したアーキテクチャは我々の空間的注意の速さに依存しており、これは一般的な自己注意機構の単純かつ効率的な修正である。
複数のデータセットに対する結果から,既存の手法に比べて精度と速度が向上し,優れた性能を示した。
論文 参考訳（メタデータ） (2020-07-07T22:37:16Z) - HeatNet: Bridging the Day-Night Domain Gap in Semantic Segmentation with
Thermal Images [26.749261270690425]
現実の運転シナリオでは、夜間照明や光沢のような環境条件が悪くなる。
日中夜間に適用可能な多モーダルセマンティックセマンティックセマンティクスモデルを提案する。
RGB画像以外にも、サーマルイメージを活用して、ネットワークをはるかに堅牢にしています。
論文 参考訳（メタデータ） (2020-03-10T11:36:42Z)
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。