論文の概要: Influence of Water Droplet Contamination for Transparency Segmentation

• arxiv url: http://arxiv.org/abs/2405.12861v1
• Date: Tue, 21 May 2024 15:24:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-22 12:50:33.596672
• Title: Influence of Water Droplet Contamination for Transparency Segmentation
• Title（参考訳）: 透明セグメンテーションにおける水滴汚染の影響
• Authors: Volker Knauthe, Paul Weitz, Thomas Pöllabauer, Tristan Wirth, Arne Rak, Arjan Kuijper, Dieter W. Fellner,
• Abstract要約: 本論文は, 環境効果による環境汚染にともなって, 透明な物体と(自然発生の)汚染の組合せを評価した。 透明な構造物に3グレードの水滴汚染を取り入れた489枚の画像を含む,新しい公開データセットを提案する。 その結果,汚染された透明物体の分断が容易であること,および現状の機械学習モデルと異なるレベルの汚染を区別できることが判明した。
• 参考スコア（独自算出の注目度）: 4.1119273264193685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer vision techniques are on the rise for industrial applications, like process supervision and autonomous agents, e.g., in the healthcare domain and dangerous environments. While the general usability of these techniques is high, there are still challenging real-world use-cases. Especially transparent structures, which can appear in the form of glass doors, protective casings or everyday objects like glasses, pose a challenge for computer vision methods. This paper evaluates the combination of transparent objects in conjunction with (naturally occurring) contamination through environmental effects like hazing. We introduce a novel publicly available dataset containing 489 images incorporating three grades of water droplet contamination on transparent structures and examine the resulting influence on transparency handling. Our findings show, that contaminated transparent objects are easier to segment and that we are able to distinguish between different severity levels of contamination with a current state-of-the art machine-learning model. This in turn opens up the possibility to enhance computer vision systems regarding resilience against, e.g., datashifts through contaminated protection casings or implement an automated cleaning alert.
• Abstract（参考訳）: 医療分野や危険な環境において、プロセスの監督や自律エージェントなど、コンピュータビジョン技術が産業応用の台頭に向かっている。 これらのテクニックの一般利用性は高いが、現実のユースケースには依然として課題がある。 特に透明な構造は、ガラスのドアや保護ケース、あるいはメガネのような日常的な物体に現れ、コンピュータビジョンの手法に挑戦する。 本論文は, 環境効果による環境汚染にともなって, 透明な物体と(自然発生の)汚染の組合せを評価した。 透明構造に3グレードの水滴汚染を取り入れた489枚の画像を含む新しい公開データセットを導入し,その結果が透明性処理に与える影響について検討した。 その結果,汚染された透明物体のセグメンテーションは容易であり,汚染の重症度と現状の機械学習モデルとの区別が可能であることがわかった。 これにより、汚染された保護ケーシングによるデータシフトに対するレジリエンスに関するコンピュータビジョンシステムを強化したり、自動クリーニングアラートを実装することが可能になる。

関連論文リスト

• Vision-based Manipulation of Transparent Plastic Bags in Industrial Setups [0.37187295985559027]
  本稿では, 産業設備における透明プラスチック袋の自律切削・開梱における視覚的操作の課題について述べる。 提案手法は、高度な機械学習アルゴリズム、特に畳み込みニューラルネットワーク(CNN)を用いる。 追尾アルゴリズムと深度センシング技術は、ピック・配置中の3次元空間認識に利用される。
  論文  参考訳（メタデータ） (2024-11-14T17:47:54Z)
• Floor extraction and door detection for visually impaired guidance [78.94595951597344]
  未知の環境で障害物のない経路を見つけることは、視覚障害者や自律ロボットにとって大きなナビゲーション問題である。 コンピュータビジョンシステムに基づく新しいデバイスは、障害のある人が安全な環境で未知の環境でナビゲートすることの難しさを克服するのに役立つ。 本研究では,視覚障害者のためのナビゲーションシステムの構築につながるセンサとアルゴリズムの組み合わせを提案する。
  論文  参考訳（メタデータ） (2024-01-30T14:38:43Z)
• Transparency Attacks: How Imperceptible Image Layers Can Fool AI Perception [0.0]
  本稿では,認識不能な画像層が視覚モデルを任意のラベル代入とキャプションに結合する場合のアルゴリズム的脆弱性について検討する。 我々は、人間の目が知覚するものをAIが誤解釈するきっかけとなる、ステルス透明性を導入するための画像前処理手法について検討する。 ステルス透明性は、顔認識と監視の回避、デジタル透かし、コンテンツフィルタリング、データセットのキュレーション、自動車とドローンの自律性、法医学的証拠の改ざん、小売商品の誤分類など、視覚システムを確立した。
  論文  参考訳（メタデータ） (2024-01-29T00:52:01Z)
• A Room With an Overview: Towards Meaningful Transparency for the Consumer Internet of Things [5.536922793483742]
  本稿では,消費者IoTにおける透明性メカニズムの実践的側面について考察する。 スマートホームがより意味のある透明化を図り、ユーザーがより深く理解し、監視し、制御することを支援する。
  論文  参考訳（メタデータ） (2024-01-19T13:00:36Z)
• A Survey on Transferability of Adversarial Examples across Deep Neural Networks [53.04734042366312]
  逆の例では、機械学習モデルを操作して誤った予測を行うことができます。 敵の例の転送可能性により、ターゲットモデルの詳細な知識を回避できるブラックボックス攻撃が可能となる。 本研究は, 対角移動可能性の展望を考察した。
  論文  参考訳（メタデータ） (2023-10-26T17:45:26Z)
• Representation Engineering: A Top-Down Approach to AI Transparency [132.0398250233924]
  表現工学の新たな領域(RepE)を特定し,特徴付ける RepEは、神経細胞や回路ではなく、人口レベルの表現を解析の中心に置く。 これらの手法が、広範囲の安全関連問題に対してどのようにトラクションを提供するかを紹介する。
  論文  参考訳（メタデータ） (2023-10-02T17:59:07Z)
• Masking Improves Contrastive Self-Supervised Learning for ConvNets, and Saliency Tells You Where [63.61248884015162]
  我々は、畳み込みニューラルネットワークのためのコントラスト学習フレームワークにマスキング操作を組み込むことの負担を軽減することを目的としている。 マスクされた領域が、前景と背景の間に均等に分散されていることを考慮し、塩分濃度の制約を明示的に考慮することを提案する。
  論文  参考訳（メタデータ） (2023-09-22T09:58:38Z)
• Implementing Edge Based Object Detection For Microplastic Debris [0.0]
  プラスチックは、我々の日々の活動に欠かせない存在として自制している。 プラスチックの破片レベルは、埋立地のゴミ処理場に廃棄物が蓄積されるにつれて上昇し続けている。 このプロジェクトでは、サンプル画像の時間的検出で実行可能なモデルを生成することができる。
  論文  参考訳（メタデータ） (2023-07-30T17:55:03Z)
• VisDA 2022 Challenge: Domain Adaptation for Industrial Waste Sorting [61.52419223232737]
  産業廃棄物の選別において、最も大きな課題の1つは入力ストリームの極端な多様性である。 産業廃棄物浄化における領域適応に関するVisDA 2022の課題について紹介する。
  論文  参考訳（メタデータ） (2023-03-26T21:38:38Z)
• FakeMix Augmentation Improves Transparent Object Detection [24.540569928274984]
  境界関係の不均衡問題を克服するために、FakeMixと呼ばれる新しいコンテンツ依存データ拡張法を提案する。 また,マルチスケールおよびクロスモダリティ機能を動的にキャプチャ可能な,asppの拡張版であるadaptiveasppも紹介する。
  論文  参考訳（メタデータ） (2021-03-24T15:51:37Z)
• Trustworthy Transparency by Design [57.67333075002697]
  本稿では,ユーザ信頼とエクスペリエンスに関する研究を取り入れた,ソフトウェア設計のための透明性フレームワークを提案する。 私たちのフレームワークは、その設計に透明性を取り入れたソフトウェアの開発を可能にします。
  論文  参考訳（メタデータ） (2021-03-19T12:34:01Z)

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。