論文の概要: Non-Uniform Spatial Alignment Errors in sUAS Imagery From Wide-Area Disasters

• arxiv url: http://arxiv.org/abs/2405.06593v1
• Date: Fri, 10 May 2024 16:48:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-05-13 15:18:23.345643
• Title: Non-Uniform Spatial Alignment Errors in sUAS Imagery From Wide-Area Disasters
• Title（参考訳）: 広域災害からのSUAS画像における非均一空間配向誤差
• Authors: Thomas Manzini, Priyankari Perali, Raisa Karnik, Mihir Godbole, Hasnat Abdullah, Robin Murphy,
• Abstract要約: 本研究は,小型無人航空システム(SUAS)とプレジデントビルディングポリゴンのアライメント誤差を定量的に検討した。 既存の空間データを sUAS 画像と整合させる努力は存在しないため、明確な実践状況は存在しない。 本研究は16787.2Acres(26.23平方マイル)を対象とし,21,619個のポリゴンの変換アライメント誤差を特定し,解析する。 解析により,建築多角形アライメントの角度と距離の測定値の間には,平均等級のばらつきが生じるため,一様性は見つからない。
• 参考スコア（独自算出の注目度）: 0.5013868868152142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents the first quantitative study of alignment errors between small uncrewed aerial systems (sUAS) geospatial imagery and a priori building polygons and finds that alignment errors are non-uniform and irregular. The work also introduces a publicly available dataset of imagery, building polygons, and human-generated and curated adjustments that can be used to evaluate existing strategies for aligning building polygons with sUAS imagery. There are no efforts that have aligned pre-existing spatial data with sUAS imagery, and thus, there is no clear state of practice. However, this effort and analysis show that the translational alignment errors present in this type of data, averaging 82px and an intersection over the union of 0.65, which would induce further errors and biases in downstream machine learning systems unless addressed. This study identifies and analyzes the translational alignment errors of 21,619 building polygons in fifty-one orthomosaic images, covering 16787.2 Acres (26.23 square miles), constructed from sUAS raw imagery from nine wide-area disasters (Hurricane Ian, Hurricane Harvey, Hurricane Michael, Hurricane Ida, Hurricane Idalia, Hurricane Laura, the Mayfield Tornado, the Musset Bayou Fire, and the Kilauea Eruption). The analysis finds no uniformity among the angle and distance metrics of the building polygon alignments as they present an average degree variance of 0.4 and an average pixel distance variance of 0.45. This work alerts the sUAS community to the problem of spatial alignment and that a simple linear transform, often used to align satellite imagery, will not be sufficient to align spatial data in sUAS orthomosaic imagery.
• Abstract（参考訳）: 本研究は, 小型無人航空システム (SUAS) とポリゴンのプレジデント構築におけるアライメント誤差の定量的検討を行い, アライメント誤差が一様で不規則であることを見出した。 また、画像の公開データセット、ポリゴンの構築、およびポリゴンの構築とsUAS画像の整合性を評価するための既存の戦略の評価に使用できる人為的な調整も導入されている。 既存の空間データを sUAS 画像と整合させる努力は存在しないため、明確な実践状況は存在しない。 しかし、この取り組みと分析により、このタイプのデータに存在する翻訳アライメントエラーは平均82pxであり、0.65の結合上の交点であり、対処しなければ下流の機械学習システムでさらなるエラーやバイアスを引き起こすことが示されている。 本研究では, ハリケーン・アイアン, ハリケーン・ハーベイ, ハリケーン・マイケル, ハリケーン・アイダ, ハリケーン・アイダリア, ハリケーン・ローラ, メイフィールド・トルネード, ムセット・バイユー火災, キラウエア噴火の9大災害から, 16787.2 Acres (26.23平方マイル) の多角形の翻訳誤差を明らかにし, 解析した。 解析の結果,建築多角形アライメントの角度と距離の計測値には,平均等級差0.4,平均画素距離差0.45を示すため,一様性は認められなかった。 この研究は、sUASコミュニティに空間的アライメントの問題と、衛星画像のアライメントにしばしば使用される単純な線形変換が、sUASのオルソモザイク画像に空間データをアライメントするのに十分ではないことを警告する。

関連論文リスト

• AerialMegaDepth: Learning Aerial-Ground Reconstruction and View Synthesis [57.249817395828174]
  本研究では,3次元都市規模のメッシュからの擬似合成レンダリングと,実地レベルでのクラウドソース画像を組み合わせたスケーラブルなフレームワークを提案する。 擬似合成データは、幅広い空中視点をシミュレートする一方、実際のクラウドソース画像は、地上レベルの画像の視覚的忠実度を改善するのに役立つ。 このハイブリッドデータセットを使用して、いくつかの最先端のアルゴリズムを微調整し、実世界のゼロショット地上作業において大幅な改善を実現する。
  論文  参考訳（メタデータ） (2025-04-17T17:57:05Z)
• Post-Hurricane Debris Segmentation Using Fine-Tuned Foundational Vision Models [18.008592164636664]
  この研究は、Hulicanes Ian、Ida、Ikeの約1200個の手動の空中RGB画像からなるオープンソースデータセットを導入している。 人間のバイアスを緩和し、データ品質を向上させるため、複数のアノテータからのラベルを戦略的に集約し、視覚的なプロンプトエンジニアリングを採用する。 結果として得られた細調整されたモデルであるfCLIPSegは、ハリケーン・アイダのデータからデブリのない地域では事実上偽陽性のDiceスコアが0.70に達する。
  論文  参考訳（メタデータ） (2025-04-17T00:08:50Z)
• NukesFormers: Unpaired Hyperspectral Image Generation with Non-Uniform Domain Alignment [8.49203851084488]
  本研究では,非ペアデータの幾何学的およびスペクトル的分布を整列するために,コントラッシブラーニングを導入する。 二重領域入力の周波数表現をマッピングし、ヌル空間を徹底的にマイニングする。 新たなベンチマークをUnHIGで確立している。
  論文  参考訳（メタデータ） (2025-03-10T07:38:46Z)
• Unsupervised Multi-view UAV Image Geo-localization via Iterative Rendering [31.716967688739036]
  無人航空機 (UAV) クロスビュージオローカライゼーション (CVGL) は重要な課題である。 既存の手法は、ビュー横断検索のための視点不変の特徴を抽出するためにラベル付きデータセットの監督に依存している。 衛星画像生成のためのUAV観測から3次元空間にシーン表現を持ち上げる教師なしのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-11-22T09:22:39Z)
• CRASAR-U-DROIDs: A Large Scale Benchmark Dataset for Building Alignment and Damage Assessment in Georectified sUAS Imagery [0.5699788926464749]
  CRASAR-U-DROIDsは、SUASオルソモザイク画像の最大のラベル付きデータセットである。 CRASAR-U-DRIODsデータセットは、連邦政府が宣言した災害10件から52件(52件)のオルソモザイクで構成されている。
  論文  参考訳（メタデータ） (2024-07-24T23:39:10Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Building Footprint Extraction in Dense Areas using Super Resolution and Frame Field Learning [1.949927790632678]
  超解像は、空中画像の空間分解能を高めるために用いられ、より微細な細部を捉えることができる。 この強調画像は、セグメンテーションヘッドとフレームフィールド学習ヘッドからなるマルチタスク学習モジュールへの入力として機能する。 我々のモデルは適応的な損失重み付けによって制御され、鋭いエッジと細粒度ポリゴンの抽出が可能となる。
  論文  参考訳（メタデータ） (2023-09-04T15:15:34Z)
• Fine-Grained Cross-View Geo-Localization Using a Correlation-Aware Homography Estimator [12.415973198004169]
  そこで我々は, 微粒なクロスビューなジオローカライゼーションの新たなアプローチを提案する。 提案手法は,同じ領域をカバーするGPSタグ付き衛星画像と,歪んだ地上画像とを一致させる。 提案手法は30FPSの速度で動作し,最先端技術より優れる。
  論文  参考訳（メタデータ） (2023-08-31T17:59:24Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Towards Model Generalization for Monocular 3D Object Detection [57.25828870799331]
  我々は,Mono3Dオブジェクト検出に有効な統合カメラ一般化パラダイム(CGP)を提案する。 また,インスタンスレベルの拡張によりギャップを埋める2D-3D幾何一貫性オブジェクトスケーリング戦略(GCOS)を提案する。 DGMono3Dと呼ばれる手法は、評価された全てのデータセットに対して顕著な性能を達成し、SoTAの教師なしドメイン適応スキームを上回ります。
  論文  参考訳（メタデータ） (2022-05-23T23:05:07Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Few Shot Generative Model Adaption via Relaxed Spatial Structural Alignment [130.84010267004803]
  限られたデータでGAN(Generative Adversarial Network)を訓練することは難しい課題である。 実現可能な解決策は、大規模なソースドメインで十分に訓練されたGANから始め、ターゲットドメインにいくつかのサンプルで適応することである。 本研究では,適応時の対象生成モデルのキャリブレーションを行うための緩和された空間構造アライメント手法を提案する。
  論文  参考訳（メタデータ） (2022-03-06T14:26:25Z)
• Creating A Coefficient of Change in the Built Environment After a Natural Disaster [0.0]
  本研究では,ディープラーニングのワークフローを用いて構築環境の損傷を定量的に評価する手法を提案する。 世界中の50の震源地で自然災害前後の航空画像がGoogle Earthから得られた。
  論文  参考訳（メタデータ） (2021-10-31T20:46:31Z)
• Cross-Region Building Counting in Satellite Imagery using Counting Consistency [8.732274235941974]
  都市分析、災害管理、公共政策決定に欠かせない要素である。 衛星画像のローカライズとカウントのためのディープラーニング手法は、実現可能で安価な代替手段として機能する。 しかし、これらのアルゴリズムは、訓練されていない領域に適用した場合、性能劣化に悩まされる。
  論文  参考訳（メタデータ） (2021-10-26T10:36:56Z)
• Spatial Context Awareness for Unsupervised Change Detection in Optical Satellite Images [11.018182254899859]
  SiROC(Sibling Regression for Optical Change Detection)について紹介する。 SiROCは、中高解像度の光学衛星画像における変化検出の教師なし手法である。 中解像度のSentinel-2と高解像度のPlanetscope画像による変化検出の競合性能を実現する。
  論文  参考訳（メタデータ） (2021-10-05T14:13:48Z)
• Feature Space Targeted Attacks by Statistic Alignment [74.40447383387574]
  特徴空間ターゲットは、中間特徴写像を変調して摂動画像を攻撃する。 画素ワイドユークリッド距離の現在の選択は、ソースとターゲットの特徴に不合理に空間整合性制約を課すため、不一致を測定することが疑問視されている。 本稿では,Pair-wise Alignment AttackとGlobal-wise Alignment Attackという2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-25T03:46:39Z)
• Wide-Depth-Range 6D Object Pose Estimation in Space [124.94794113264194]
  宇宙での6Dポーズ推定は、地上環境では一般的に遭遇しないユニークな課題を引き起こします。 最も顕著な違いの1つは、大気の散乱の欠如であり、物体を遠くから見えるようにします。 本稿では,単一段階の階層型エンドツーエンドトレーニングネットワークを提案する。
  論文  参考訳（メタデータ） (2021-04-01T08:39:26Z)
• Collaborative Recognition of Feasible region with Aerial and Ground Robots through DPCN [9.10669609583837]
  地上ロボットは、障害物に近づいた場合にのみ衝突し、危険を感知して行動を起こすことができ、通常は衝突を避けるには遅すぎる。 航空ロボットと地上ロボットのコラボレーションにより、実現可能な地域を認識します。
  論文  参考訳（メタデータ） (2021-03-01T12:22:11Z)
• Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges [124.48654341780431]
  航空画像(DOTA)におけるオブジェクトデテクションの大規模データセットとODAIの総合的ベースラインについて述べる。 提案するDOTAデータセットは,11,268個の空中画像から収集した18カテゴリのオブジェクト指向ボックスアノテーションの1,793,658個のオブジェクトインスタンスを含む。 70以上の構成を持つ10の最先端アルゴリズムをカバーするベースラインを構築し,各モデルの速度と精度を評価した。
  論文  参考訳（メタデータ） (2021-02-24T11:20:55Z)
• PropagationNet: Propagate Points to Curve to Learn Structure Information [79.65125870257009]
  熱マップ回帰に基づく構造注入型顔アライメントアルゴリズムを提案する。 また,地中条件下での採鉱・採鉱の難しさを強調したFocal Wing Lossを提案する。 提案手法では,WFLWでは平均誤差が4.05%,300Wでは平均誤差が2.93%,COFWでは平均誤差が3.71%となる。
  論文  参考訳（メタデータ） (2020-06-25T11:08:59Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。

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。